Utilize este identificador para referenciar este registo:
http://hdl.handle.net/10773/18710
Título: | Análise de perfis de utilização em sistemas de auto-aprendizagem |
Autor: | Gonçalves, Ana Rosa Marques |
Orientador: | Tomé, Ana Maria Perfeito Descalço, Luís |
Palavras-chave: | Sistema Tutor Inteligente (Programa de computador) |
Data de Defesa: | 2016 |
Editora: | Universidade de Aveiro |
Resumo: | Um Sistema Tutor Inteligente (STI) _e um programa de computador que
tem como objetivo apoiar o aluno na sua aprendizagem. A aplicação web
do projeto SIACUA _e um STI desenhado para o apoio ao estudo autónomo
em disciplinas de Cálculo.
Neste trabalho foram adicionadas algumas funcionalidades _a aplicação web
SIACUA. Das funcionalidades implementadas realçamos a possibilidade de
criação de cursos sem recurso a um programador e a geração de dois tipos
de relatório sobre a utilização da própria aplicação. A primeira tem como
objetivo facilitar o uso da aplicação pelos professores. Quanto aos relatórios,
um apresenta o número de vezes que cada tópico foi escolhido para estudo e
o outro apresenta por questão, o número de vezes que foi respondida assim
como as taxas de erro e acerto.
Ainda no âmbito deste trabalho procurámos prever o sucesso ou insucesso
de um aluno com base na sua utilização desta aplicação. Recolhemos dados
para as disciplinas de Cálculo 2 e Cálculo 3. Do processamento dos dados
recolhidos extraímos um conjunto de características e aplicámos algoritmos
de aprendizagem não supervisionada e supervisionada. Os algoritmos treinados
foram o K-Means, vizinhos mais próximos e máquina de vetores de
suporte (SVM). Para os dados de Cálculo 2, o classificador SVM Linear
com redução do número de características foi o que apresentou melhores
resultados. Como os dados de Cálculo 3 não eram equilibrados qualquer um
dos classificadores mostrou pouca capacidade de discriminação entre alunos
aprovados e alunos reprovados. Assim, abordámos variantes do classificador
SVM Linear para conjuntos de dados não equilibrados. Os resultados
mostram a importância da utilização de técnicas especificas para dados não
equilibrados. support vector machines, unsupervised learning, unbalanced data sets abstract An Intelligent Tutor System (ITS) is a computer program aimed to support students in their learning process. The SIACUA project's web application is an ITS designed to support the autonomous study in Calculus courses. Within the scope of this work new functionalities were added to the SIACUA web application. We highlight two of those functionalities: the possibility of courses creation without the intervention of a programmer and reports resuming the use of the application. With the rst functionality it is expected that more teachers consider to prepare new study materials for the students. And the reports are useful to know for instance which topics are chosen more often as well as statistics about the answers in order to detect possible misleading questions. Besides that we tried to predict the success or failure of a student based on the data collected during student SICUA interaction. The data concerning two courses (Calculus 2 and Calculus 3) were analyzed: a set of characteristics was extracted and unsupervised and supervised learning algorithms were applied. The algorithms were K-Means, nearest neighbors and support vector machines (SVM). Considering the Calculus 2 data, the classi er SVM Linear with reduction of the number of characteristics was the one that presented better results. As the Calculus 3 data was unbalanced any of the classi ers showed little discrimination capacity between approved and failed students. So, variants of the Linear SVM classi er for unbalanced data sets were approached. The results show the importance of using speci c techniques for unbalanced data. |
Descrição: | Mestrado em Sistemas de Informação |
URI: | http://hdl.handle.net/10773/18710 |
Aparece nas coleções: | UA - Dissertações de mestrado DETI - Dissertações de mestrado |
Ficheiros deste registo:
Ficheiro | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Dissertação.pdf | 1.53 MB | Adobe PDF | Ver/Abrir |
Todos os registos no repositório estão protegidos por leis de copyright, com todos os direitos reservados.