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
Full metadata record
DC FieldValueLanguage
dc.contributor.advisor1Souza, Jairo Francisco de-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/4516605108233899pt_BR
dc.contributor.advisor-co1Barrére, Eduardo-
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/0735298552666402pt_BR
dc.contributor.referee1Gonçalves, Luciana Brugiolo-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/8994105119758487pt_BR
dc.contributor.referee2Dorça, Fabiano Azevedo-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/3944579737930998pt_BR
dc.creatorFonseca, Gilson dos Reis Dias-
dc.creator.Latteshttp://lattes.cnpq.br/1489503051718653pt_BR
dc.date.accessioned2024-08-19T13:03:02Z-
dc.date.available2024-08-16-
dc.date.available2024-08-19T13:03:02Z-
dc.date.issued2024-03-27-
dc.identifier.urihttps://repositorio.ufjf.br/jspui/handle/ufjf/17213-
dc.description.abstractVideos 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.pt_BR
dc.description.resumoOs 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.pt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal de Juiz de Fora (UFJF)pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentICE – Instituto de Ciências Exataspt_BR
dc.publisher.programPrograma de Pós-graduação em Ciência da Computaçãopt_BR
dc.publisher.initialsUFJFpt_BR
dc.rightsAcesso Abertopt_BR
dc.rightsAttribution 3.0 Brazil*
dc.rights.urihttp://creativecommons.org/licenses/by/3.0/br/*
dc.subjectVideoaulapt_BR
dc.subjectMetadadospt_BR
dc.subjectExtração de metadadospt_BR
dc.subjectClassificação automáticapt_BR
dc.subjectClassificação automática de exercíciospt_BR
dc.subjectIdentificação de exercíciospt_BR
dc.subjectMachine learningpt_BR
dc.subjectInteligência artificial generativapt_BR
dc.subjectLarge language modelspt_BR
dc.subjectVideo lessonpt_BR
dc.subjectMetadatapt_BR
dc.subjectMetadata extractionpt_BR
dc.subjectAutomatic classificationpt_BR
dc.subjectAutomatic exercise classificationpt_BR
dc.subjectExercise identificationpt_BR
dc.subjectMachine learningpt_BR
dc.subjectGenerative artificial intelligencept_BR
dc.subjectLarge Language Modelspt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpt_BR
dc.titleUma abordagem automática para extração e classificação de exercícios em vídeos educacionaispt_BR
dc.typeDissertaçãopt_BR
Appears in Collections:Mestrado em Ciência da Computação (Dissertações)



This item is licensed under a Creative Commons License Creative Commons