Imagens das línguas de alunos do 6º ano : um estudo em Aveiro

O presente estudo é o resultado de um projeto investigativo que, embora se relacione com a Sensibilização à Diversidade Linguística, tem como tema principal as Imagens das Línguas. Este estudo, cujo título é “Imagens das línguas de alunos do 6.º ano: um estudo em Aveiro”, tem como objetivos perceber quais as imagens das línguas dos alunos do 6.º ano, verificar qual a língua em que estes alunos se matriculam no ano seguinte e se essa escolha foi baseada em imagens estereotipadas das línguas (e em quais) e averiguar se a imagem que os alunos do 6.º ano têm sobre línguas influencia a sua escolha para aprendizagem posterior. Os dados foram recolhidos através de instrumentos distintos (o desenho e o inquérito por questionário). Primeiramente, os discentes elaboraram quatro desenhos seguindo as instruções “desenha-te a falar a tua língua materna”, “desenha-te a falar uma língua que já aprendeste”, “desenha-te a falar uma língua que gostavas de aprender” e “desenha-te a falar uma língua que não gostavas de aprender”. Seguindo-se o preenchimento do inquérito por questionário, composto por cinco questões, relacionadas com as quatro línguas em estudo (português, francês, espanhol e inglês) e que faziam parte da recolha de dados através do desenho. Relativamente ao tratamento de dados optamos pela utilização de categorias de análise (línguas como objetos afetivos, objetos de ensino-aprendizagem, instrumentos de construção e afirmação de identidades individuais e coletivas, objetos de poder e como instrumentos de construção de relações interpessoais e intergrupais), que permitiram perceber quais as imagens das línguas dos alunos inquiridos. Os resultados permitiram-nos perceber que as imagens que os alunos do 6.º ano têm das línguas portuguesa, francesa, espanhola e inglesa são, de alguma forma, estereotipadas. A maioria dos alunos tem uma imagem das línguas como instrumentos de construção e afirmação de identidades individuais e coletivas, isto é, imagens associadas à relação língua/história de um povo/cultura. Contudo, concluímos que esta imagem cultural das línguas também está associada a uma imagem afetiva, salientando a relação aluno/língua/cultura. Partindo das nossas conclusões, poder-se-ão, no futuro desenvolver sessões de Sensibilização à Diversidade Linguística, com o objetivo de (re)construir as Imagens das Línguas que os alunos têm.

Techniques for batch reinforcement learning in robotics

This thesis addresses the Batch Reinforcement Learning methods in Robotics. This sub-class of Reinforcement Learning has shown promising results and has been the focus of recent research. Three contributions are proposed that aim to extend the state-of-art methods allowing for a faster and more stable learning process, such as required for learning in Robotics. The Q-learning update-rule is widely applied, since it allows to learn without the presence of a model of the environment. However, this update-rule is transition-based and does not take advantage of the underlying episodic structure of collected batch of interactions. The Q-Batch update-rule is proposed in this thesis, to process experiencies along the trajectories collected in the interaction phase. This allows a faster propagation of obtained rewards and penalties, resulting in faster and more robust learning. Non-parametric function approximations are explored, such as Gaussian Processes. This type of approximators allows to encode prior knowledge about the latent function, in the form of kernels, providing a higher level of exibility and accuracy. The application of Gaussian Processes in Batch Reinforcement Learning presented a higher performance in learning tasks than other function approximations used in the literature. Lastly, in order to extract more information from the experiences collected by the agent, model-learning techniques are incorporated to learn the system dynamics. In this way, it is possible to augment the set of collected experiences with experiences generated through planning using the learned models. Experiments were carried out mainly in simulation, with some tests carried out in a physical robotic platform. The obtained results show that the proposed approaches are able to outperform the classical Fitted Q Iteration.