Use este identificador para citar ou linkar para este item: https://repositorio.ufjf.br/jspui/handle/ufjf/14652
Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
diegorossi.pdf6.35 MBAdobe PDFThumbnail
Visualizar/Abrir
Tipo: Dissertação
Título: PRED-INTER: automatic prediction of pedagogical interventions
Autor(es): Rossi, Diego
Primeiro Orientador: Menezes, Victor Ströele de Andrade
Co-orientador: Campos, Fernanda Cláudia Alves
Co-orientador: Souza, Jairo Francisco de
Membro da banca: Braga, Regina Maria Maciel
Membro da banca: Llobet, Santi Caballe
Membro da banca: David, José Maria Nazar
Membro da banca: Oliveira, Daniel Cardoso de
Resumo: Acompanhar estudantes em ambiente virtual de aprendizagem para verificar quem necessita de ajuda é uma tarefa que demanda bastante tempo. Considerando que em muitos casos o número de alunos por tutor é elevado, essa tarefa acaba se tornando inviável. Durante a pesquisa foram encontrados trabalhos que auxiliam tutores, porém muitas abordagens utilizam dados que estão vinculados ao ambiente virtual de aprendizagem ou ao curso, o que dificulta encontrar uma solução genérica. Portanto, este trabalho busca preencher essa lacuna propondo contribuir para a detecção automática de intervenção pedagógica, colaborando para minimizar problemas durante o processo de ensino aprendizagem on line. Foi projetada uma arquitetura para gerar automaticamente intervenções pedagógicas, identificando atributos implícitos presentes nas mensagens de alunos postadas através de interações no ambiente virtual de aprendizagem. Com base nos atributos sentimento, urgência e confusão é possível inferir como o aluno estava se sentindo ao postar a mensagem. São então aplicadas regras semânticas que selecionam a intervenção pedagógica adequada para atender o aluno. A dissertação traz três contribuições principais, a primeira é a arquitetura chamada PRED-INTER, desenvolvida para funcionar de maneira autonoma realizando intervenções pedagógicas. Segunda, desenvolvemos modelos preditivos que realizam a classificação dos atributos automaticamente, detectando sentimento, confusão e urgência nas mensagens de alunos. Os modelos foram treinados e avaliados, através de duas diferentes abordagens de deep learning, utilizando os dados do Stanford MOOCPosts Dataset. Terceira, foi desenvolvida uma ontologia capaz de armazenar as postagens dos alunos e seus atributos, que atravez das regras semânticas, detecta a intervenção pedagógica mais adequada. A avaliação da proposta foi feita através das análises dos modelos de classificação textual e da capacidade de identificar as intervenções pedagógicas. Os resultados alcançados pelos modelos gerados são bastante competitivos em comparação a outros trabalhos. Baseando-se no quantitativo de intervenções pedagógicas identificadas os resultados foram satisfatórios, pois mostram que é possível automatizar grande parte das intervenções, mantendo o suporte a alunos e tutores.
Abstract: Accompanying students in a learning management system to verify who needs help is a task that demands a lot of time. Considering that, in many cases, the number of students per tutor is high, this task ends up becoming unfeasible. During the research, we found works that help tutors with their job, but many approaches use data linked to the learning management systems or courses, making it difficult to find a generic solution. This work seeks to fill a gap by proposing to contribute to the automatic detection of pedagogical intervention, which ends up helping to minimize problems during the virtual learningteaching process. An architecture was designed to identify pedagogical interventions automatically. The architecture recognizes implicit attributes present in student messages posted through interactions in the learning management systems. Then, based on the attributes sentiment, confusion, and urgency, it is possible to infer how the student was feeling when the message was posted. After that, it applies semantic rules that select the appropriate pedagogical intervention for the student. The dissertation brings three main contributions. First, the architecture named PRED-INTER was developed to carry out pedagogical interventions autonomously. Then we developed predictive models that automatically classify the attributes, being capable of detecting sentiment, confusion, and urgency in student’s messages. The models were trained and evaluated using two different deep learning approaches, with data from the Stanford MOOCPosts Dataset. Finally, an ontology capable of storing students’ posts and their attributes was also developed, which, through semantic rules, detects the suitable pedagogical intervention. The evaluation of the proposal was made through the analysis of textual classification models and the ability to identify pedagogical interventions. The results proved to be reasonable, as the generated models are competitive compared to other works. Based on the number of pedagogical interventions identified, the results were satisfactory, as they showed that it is possible to automate most of the interventions, maintaining support for students and tutors.
Palavras-chave: Intervenção pedagógica
Classificação automática de texto
Regras semântica
Pedagogical intervention
Automatic text classification
Semantic rules
CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Idioma: eng
País: Brasil
Editor: Universidade Federal de Juiz de Fora (UFJF)
Sigla da Instituição: UFJF
Departamento: ICE – Instituto de Ciências Exatas
Programa: Programa de Pós-graduação em Ciência da Computação
Tipo de Acesso: Acesso Aberto
Licenças Creative Commons: http://creativecommons.org/licenses/by/3.0/br/
DOI: https://doi.org/10.34019/ufjf/di/2022/00238
URI: https://repositorio.ufjf.br/jspui/handle/ufjf/14652
Data do documento: 17-Out-2022
Aparece nas coleções:Mestrado em Ciência da Computação (Dissertações)



Este item está licenciado sob uma Licença Creative Commons Creative Commons