Please use this identifier to cite or link to this item: https://repositorio.ufjf.br/jspui/handle/ufjf/17213
Files in This Item:
File Description SizeFormat 
gilsondosreisdiasfonseca.pdf1.4 MBAdobe PDFThumbnail
View/Open
Type: Dissertação
Title: Uma abordagem automática para extração e classificação de exercícios em vídeos educacionais
Author: Fonseca, Gilson dos Reis Dias
First Advisor: Souza, Jairo Francisco de
Co-Advisor: Barrére, Eduardo
Referee Member: Gonçalves, Luciana Brugiolo
Referee Member: Dorça, Fabiano Azevedo
Resumo: Os vídeos são amplamente utilizados na educação por causa de seus diversos benefícios, como a compreensão de conceitos complexos e o estímulo ao engajamento dos alunos. Sistemas de recomendação podem ser utilizados para organizar e recuperar o conteúdo adequado, a partir de metadados. Os exercícios de uma videoaula têm potencial para fornecer metadados úteis, porém, ao contrário de fontes textuais, não há marcadores claros que os identifiquem, já que o conteúdo é apresentado em fala contínua. Além disso, os exercícios, podem estar mesclados em meio a dicas e explicações fornecidas pelo professor durante a fala, o que torna a identificação ainda mais complexa. Com essa premissa, esse trabalho propõe um modelo de classificação automática de exercícios em videoaulas com base na Taxonomia de Bloom Digital, buscando proporcionar uma base sólida para sistemas de recomendação personalizados e ampliar as possibilidades de busca em repositórios educacionais. A avaliação do modelo proposto foi realizada utilizando algoritmos classificadores, onde o modelo BERT se destacou como superior aos demais.
Abstract: Videos are widely used in education due to their various benefits, such as facilitating the understanding of complex concepts and promoting student engagement. Recommendation systems can be used to organize and retrieve suitable content based on metadata. Exercises in a video lesson have the potential to provide useful metadata. However, unlike textual sources, there are no clear markers to identify them, as the content is presented in continuous speech by the instructor. Additionally, exercises may be interspersed with tips and explanations provided by the instructor during the speech, which makes identification even more complex. With this premise, this work proposes an automatic classification model for exercises in video lessons based on Digital Bloom Taxonomy, aiming to provide a solid foundation for personalized recommendation systems and expand search possibilities in educational repositories. The evaluation of the proposed model was conducted using classification algorithms, where the BERT model stood out as superior to others.
Keywords: Videoaula
Metadados
Extração de metadados
Classificação automática
Classificação automática de exercícios
Identificação de exercícios
Machine learning
Inteligência artificial generativa
Large language models
Video lesson
Metadata
Metadata extraction
Automatic classification
Automatic exercise classification
Exercise identification
Machine learning
Generative artificial intelligence
Large Language Models
CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Language: por
Country: Brasil
Publisher: Universidade Federal de Juiz de Fora (UFJF)
Institution Initials: UFJF
Department: ICE – Instituto de Ciências Exatas
Program: Programa de Pós-graduação em Ciência da Computação
Access Type: Acesso Aberto
Attribution 3.0 Brazil
Creative Commons License: http://creativecommons.org/licenses/by/3.0/br/
URI: https://repositorio.ufjf.br/jspui/handle/ufjf/17213
Issue Date: 27-Mar-2024
Appears in Collections:Mestrado em Ciência da Computação (Dissertações)



This item is licensed under a Creative Commons License Creative Commons