Skip navigation
Please use this identifier to cite or link to this item: https://repositorio.unb.br/handle/10482/7770
Files in This Item:
File Description SizeFormat 
2010_RicardoRamosFragelli.pdf2,56 MBAdobe PDFView/Open
Title: Uma abordagem de redes quantizadas e objetos multiformes para modelagem de domínio em sistemas de tutoria inteligentes
Other Titles: An approach to quantized networks and multiform objects for domain modeling in intelligent tutoring systems
Authors: Fragelli, Ricardo Ramos
Orientador(es):: Araújo, José Alexander
Assunto:: Engenharia mecânica
Máquinas de ensinar
Issue Date: 14-May-2011
Citation: FRAGELLI, Ricardo Ramos. Uma abordagem de redes quantizadas e objetos multiformes para modelagem de domínio em sistemas de tutoria inteligentes. 2010. xviii, 163 f., il. Tese (Doutorado em Ciências Mecânicas)-Universidade de Brasília, Brasília, 2010.
Abstract: Os Sistemas de Tutoria Inteligentes (STI) e os Sistemas de Hipermídia Adaptativa (SHA) no contexto educacional surgiram com o objetivo de promover ambientes adaptáveis aos diversos perfis de estudantes. Em pesquisas recentes, percebe-se uma tendência de união dessas duas áreas em favor de ambientes mais inteligentes e com um maior poder de adaptação. Nesse sentido, o objetivo principal desta tese foi propor uma modelagem do domínio de conhecimento de um STI baseado em uma arquitetura que considerasse estratégias pedagógicas distintas e que contemplasse objetos de aprendizagem adaptativos. A modelagem foi discutida em três níveis (fina, média e grossa) e a solução proposta envolveu a utilização de Redes Quantizadas em que a quantização foi realizada por meio das características dos nodos e não pela conexão existente entre eles. Para a modelagem fina foram utilizados Objetos de Aprendizagem Multiformes (OAM). A modelagem foi testada e avaliada por três especialistas. Também foram realizadas simulações computacionais nas quais se estudou a estabilidade do modelo e os percursos de aprendizagem sugeridos em diferentes situações. A conclusão final foi que o modelo construído respondeu bem às situações a que foi submetido, oferece controles suficientes para atuação de agentes pedagógicos e é bastante flexível no sentido de agregar novas estratégias pedagógicas. _______________________________________________________________________________ ABSTRACT
Intelligent Tutoring Systems (ITS) and Adaptive Hypermedia Systems (AHS) have emerged in the educational context in order to provide adaptive environments to the different profiles of students. In current research, there appears to be a trend towards joining these two areas in favor of environments that are more intelligent and more responsive to adaptation than the “classical†ones. Thus, the main objective of this thesis was to model the domain knowledge of an ITS based on an architecture which considers different educational strategies that include adaptive learning objects. The modeling was discussed in three levels (fine, medium and gross) and the proposed solution involved the use of Quantized Networks in which quantization was performed using the characteristics of the nodes and not the connection between them. For the fine modeling Multiform Learning Objects (MLO) were considered. The modeling was tested and evaluated by three specialists. Computational simulations were also carried out where the stability of the model was investigated and the learning paths suggested in different situations. The final conclusion was that the proposed model responded well to tests. Further, it offers adequate control for application by pedagogical agents and is sufficiently flexible in absorbing new pedagogical strategies.
Description: Tese(doutorado)-Universidade de Brasília, Departamento de Engenharia Mecânica, Programa de pós-graduação em Ciências Mecânicas, 2010.
Appears in Collections:ENM - Doutorado em Ciências Mecânicas (Teses)

Show full item record Recommend this item " class="statisticsLink btn btn-primary" href="/handle/10482/7770/statistics">



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.