Luciano Vieira Lima

Automatic student modeling in adaptive educational systems through probabilistic learning style combinations: a qualitative comparison between two innovative stochastic approaches

Considering learning and how to improve students’ performances, adaptive educational systems must know the way in which an individual student learns best. In this context, this work presents a comparison between two innovative approaches to automatically detect and precisely adjust students’ learning styles during an adaptive course. These approaches take into account the nondeterministic and nonstationary aspects of learning styles. They are based upon two stochastic techniques: Markov chains and genetic algorithms. We found that the genetic algorithm (GA) based approach detects learning styles earlier and consequently provides personalized content earlier, making the learning process easier. The Markov based approach produces more fine-tuned results, taking into account strengths of learning styles.

Detecção e Correção Automática de Estilos de Aprendizagem em Sistemas Adaptativos para Educação

Um dos aspectos mais importantes em sistemas adaptativos para educacaoe a capacidade de prover personalizacao de acordo com as necessidades especificasde cada estudante. Neste contexto, este trabalho apresenta uma abordagem promissorapara deteccao e correcao automatica de estilos de aprendizagem (EA) baseadaem cadeias de Markov. A maioria dos trabalhos nesta area apresentam abordagenscomplexas e ineficientes em algum aspecto. Alem disto, a abordagem apresentadaneste trabalho tem como vantagem tornar possivel aos estudantes o desenvolvimentode novas capacidades cognitivas, sendo baseada na combinacao de estilos de aprendizagem(CEA) e na correcao dinâmica de possiveis inconsistencias no modelo do estudante(ME), levando em consideracao o forte aspecto nao-deterministico do processode ensino-aprendizagem. Resultados promissores foram obtidos nos testes realizadoscom esta abordagem e sao discutidos neste trabalho.

Exploring polynomial classifier to predict match results in football championships

We present an approach to identify the winning team based on the polynomial classifier.The investigated groups were win-draw, win-defeat and draw-defeat.The features were evaluated by machine learning methods and the POL algorithm.The proposed approach achieved an accuracy superior to 96.It proposes the use of the POL algorithm as a method for feature selection. Football is the team sport that mostly attracts great mass audience. Because of the detailed information about all football matches of championships over almost a century, matches build a huge and valuable database to test prediction of matches results. The problem of modeling football data has become increasingly popular in the last years and learning machine have been used to predict football matches results in many studies. Our present work brings a new approach to predict matches results of championships. This approach investigates data of matches in order to predict the results, which are win, draw and defeat. The investigated groups were different type of combinations of two by two pairs, win-draw, win-defeat and draw-defeat, of the possible matches results of each championship. In this study we employed the features obtained by scouts during a football match. The proposed system applies a polynomial algorithm to analyse and define matches results. Some machine-learning algorithms were compared with our approach, which includes experiments with information obtained from the football championships. The association between polynomial algorithm and machine learning techniques allowed a significant increase of the accuracy values. Our polynomial algorithm provided an accuracy superior to 96%, selecting the relevant features from the training and testing set.

Consistent Evolution of Student Models by Automatic Detection of Learning Styles

One of the most important features of adaptative e-learning systems is the personalisation according to specific requirements of each individual student. In considering learning and how to improve student learning, these systems must know the way in which an individual learns. In this context, we introduce a new approach for consistent evolution of student models by automatic detection of student learning styles. Most of the work in this field presents complex and inefficient approachs. Our approach is based on learning styles combination and dynamic correction of inconsistencies in the student model, taking into account the non-deterministic aspect of the learning process. Promising results were obtained from tests, and some of them are discussed in this paper.

A New Approach to Discover Students Learning Styles in Adaptive Educational Systems

A educacao a distancia tem ganhado significativa atencao tanto na academia quanto nas iniciativas governamentais. Neste contexto, cresce tambem a preocupacao com a avaliacao da qualidade dos diversos aspectos destes cursos mediados pelas tecnologias da informacao e comunicacao. Apesar de muitos trabalhos discutirem diversos aspectos da avaliacao em Ead, a literatura carece de relatos de experiencia que, especialmente, abordem os cursos tecnicos a distancia que possuem especificidades relevantes. Assim, este trabalho relata uma experiencia onde se avalia e adapta uma das propostas existentes na literatura de avaliacao mediada por foruns, ao contexto dos cursos tecnicos a distancia, constituindo-se esta adaptacao e sua discussao as principais contribuicoes do mesmo.Em Educacao a Distância mediada por meio de Ambientes Virtuais de Aprendizagem, foruns de discussao sao um instrumento importante e amplamente utilizado na articulacao de debates e discussoes entre os atores envolvidos no processo de ensino e aprendizagem. Com a ampla utilizacao dos foruns muitas mensagens sao trocadas e isso, por vezes, excede a capacidade de monitoramento por parte dos professores e tutores. O presente trabalho apresenta a concepcao de um classificador de mensagens de foruns que classifica as mensagens em positivas ou negativas, a fim de identificar mensagens que necessitam de maior atencao. Este trabalho aplica conceitos de mineracao de textos, com o algoritmo SVM obtendo taxas de acerto satisfatorias.Este artigo apresenta o framework Contagious, cujo proposito e estabelecer diretrizes que norteiem a construcao de redes sociais online orientadas a Difusao de Inovacoes. Compreendo-se o fenomeno das redes sociais online como consequencia natural do carater social do ser humano, vislumbrou-se esse meio tecnologico de comunicacao e interacao social como potencial ferramenta para a extensao de praticas educativas, com vistas a formacao do carater integral do cidadao. Para isso, foi adotada a teoria de Difusao de Inovacoes, propria das ciencias sociais. As contribuicoes deste trabalho, portanto, compreendem duas vertentes: a) o mapeamento de principios de uma teoria social na forma de recursos computacionais e; b) um enfoque orientado a educacao sobre as redes sociais online.A proposta do trabalho consiste em desenvolver um sistema para ser usado no celular como ferramenta de auxilio para alfabetizacao, utilizando-se de imagens e sons como forma de facilitar o aprendizado. Como metodo de desenvolvimento utiliza-se o processo P@PSEduc (Processo Agil para Software Educativo) e a ferramenta JME (Java Micro Edition).O crescente uso e difusao de tecnologias Web, a ubiquidade de ferramentas educacionais vem proporcionado verdadeiras revolucoes nos ambientes de ensino. Atualmente, sabe-se que nao mais se deve tratar alunos de forma homogenea, como se assim os fossem. Em face disso, este artigo apresenta um sistema adaptativo de apoio a aprendizagem colaborativa, cujo tema e a construcao e representacao do conhecimento por meio de mapas mentais multimidia. Tal sistema, baseia-se na Teoria da Carga Cognitiva, cuja preocupacao primaria e a facilidade com a qual as informacoes sao processadas pelos individuos.

Avaliação de Políticas de Aprendizagem por Reforço para Modelagem Automática e Dinâmica de Estilos de Aprendizagem: Uma Análise Experimental

Um grande numero de estudos atesta que a aprendizagem e facilitada se as estrategias de ensino estiverem de acordo com os estilos de aprendizagem do estudante, tornando o processo de aprendizagem mais eficaz, e melhorando o seu desempenho. Nesse contexto, este trabalho apresenta uma abordagem automatica e dinâmica para modelagem de estilos de aprendizagem com base em aprendizagem por reforco. Tres estrategias de aprendizagem diferentes sao propostas e testadas por meio de experimentos. Os resultados obtidos sao apresentados e discutidos, indicando a estrategia mais eficiente.