Sequenciamento de Ações Pedagógicas baseadas na Taxonomia de Bloom usando Planejamento Automatizado apoiado por Algoritmo Genético
Contribuinte(s) |
Instituto Federal de Educação, Ciência e Tecnologia Goiano - IF Goiano Universidade Federal de Uberlândia - UFU |
---|---|
Data(s) |
22/05/2021
|
Resumo |
Este trabalho investigou o planejamento em Inteligência Artificial para o sequenciamento de ações pedagógicas, de acordo com o perfil do estudante. As ações representaram o processo cognitivo dado pela Taxonomia de Bloom (TB) e o perfil do estudante foi determinado conforme o Revised Approaches to Studying Inventory (RASI). A fim de medir a adequação de uma sequência ao perfil do estudante, foi necessário mapear estas duas teorias, sendo este mapeamento uma das contribuições deste estudo. Assim, o sequenciamento de ações foi formulado como um problema de otimização e implementado através de um algoritmo genético. A proposição da função a ser otimizada para este problema é também uma contribuição, desde que estabelecer critérios para avaliar aspectos pedagógicos tem sido um desafio para Informática na Educação. Experimentos realizados contaram com 41 participantes que responderam ao questionário RASI e, após terem recebido e analisado as respectivas sequências de ações determinadas pelo planejador proposto neste trabalho, também responderam a um questionário de satisfação em relação à sequência. Os resultados obtidos se mostraram promissores, demonstrando a viabilidade da pesquisa. This work investigated the Artificial Intelligence planning for pedagogical actions sequencing, according to the student's profile. The actions represented the cognitive process given by Bloom's Taxonomy (BT) and the student profile was modeled by the Revised Approaches to Studying Inventory (RASI). To measure the suitability of a sequence to the student's profile, it was necessary to map these two theories, this mapping being one of the contributions of this study. Thus, the sequencing of actions was formulated as an optimization problem and developed through Genetic Algorithm. The proposition of the function to be optimized for this problem is also a contribution, since establishing criteria to evaluate pedagogical aspects has been a challenge for Informatics in Education. Experiments carried out had 41 participants who answered the RASI inventory and, after receiving and analyzing the sequences of actions generated by the planner proposed in this work, they also answered a satisfaction questionnaire about the sequence. The results obtained can be considered promising, demonstrating the feasibility of the research. |
Formato |
application/pdf |
Identificador |
http://br-ie.org/pub/index.php/rbie/article/view/v29p485 10.5753/rbie.2021.29.0.485 |
Idioma(s) |
por |
Publicador |
Brazilian Computing Society (Sociedade Brasileira de Computação - SBC) |
Relação |
http://br-ie.org/pub/index.php/rbie/article/view/v29p485/6783 http://br-ie.org/pub/index.php/rbie/article/downloadSuppFile/v29p485/272 http://br-ie.org/pub/index.php/rbie/article/downloadSuppFile/v29p485/273 10.5753/rbie.2021.29.0.485 |
Direitos |
Direitos autorais 2021 Newarney Torrezão da Costa, Márcia Aparecida Fernandes |
Fonte |
Revista Brasileira de Informática na Educação; v. 29 (2021); 485-501 Brazilian Journal of Computers in Education; v. 29 (2021); 485-501 Revista Brasileña de Informática en la Educación; v. 29 (2021); 485-501 2317-6121 1414-5685 |
Palavras-Chave | #Ciência da Computação; Informática na Educação #Planejamento em Inteligência artificial; Taxonomia dos objetivos educacionais; RASI; Algoritmo genético #Computer Science; Computer Science in Education #Artificial Intelligence Planning; Taxonomy of educational objectives; RASI; Genetic Algorithm |
Tipo |
info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion |
Cobertura |