REBAEV : uma abordagem para recomendação de questões utilizando o caminho do bom aprendiz e evidências de aprendizado

Detalhes bibliográficos
Ano de defesa: 2022
Autor(a) principal: Oliveira, Rafael Stavitski Costa de
Orientador(a): Pimentel, Andrey Ricardo, 1965-
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Informática - Estudo e ensino
Computadores
Programação (Computadores)
Ensino gerenciado por computador
Ciência da Computação
Link de acesso: https://hdl.handle.net/1884/75736
Resumo: Orientador: Andrey Ricardo Pimentel
id UFPR_75c7c01b1194c86b66b6b7c9488909f7
oai_identifier_str oai:acervodigital.ufpr.br:1884/75736
network_acronym_str UFPR
network_name_str Repositório Institucional da UFPR
repository_id_str
spelling Oliveira, Rafael Stavitski Costa deUniversidade Federal do Paraná. Setor de Ciências Exatas. Programa de Pós-Graduação em InformáticaPimentel, Andrey Ricardo, 1965-2022-05-27T11:29:34Z2022-05-27T11:29:34Z2022https://hdl.handle.net/1884/75736Orientador: Andrey Ricardo PimentelDissertação (mestrado) - Universidade Federal do Paraná, Setor de Ciências Exatas, Programa de Pós-Graduação em Informática. Defesa : Curitiba, 09/03/2022Inclui referências: p. 84-88Área de concentração: Ciência da ComputaçãoResumo: Esta dissertação tem como objetivo descrever a abordagem ReBaEv, que consiste da recomendação da próxima questão, contextualizada no ensino da programação de computadores em cursos de computação. Esta abordagem adota duas estratégias de recomendação, o caminho do bom aprendiz e as evidências de aprendizado. O estado da arte foi identificado por meio de um mapeamento sistemático da literatura e revelou as técnicas empregadas em recomendação de questões. Considera-se o modelo do estudante, representado por um grafo genético, que é utilizado para investigar e monitorar a evolução dos aprendizes, por meio das suas habilidades. Objetiva-se utilizar o caminho do bom aprendiz, que é gerado por alunos que obtiveram êxito na realização dos exercícios, como forma de replicar um modelo competente a outros aprendizes, ao considerar o campo do aprendizado. Faz-se uso de um método de identificação automática de evidências de aprendizado, através de códigos fonte de programação, de modo a extrair a quantidade de evidências utilizadas nos exercícios. As evidências de aprendizado são empregadas na recomendação ao calcular um peso que é atribuído para os exercícios. Experimentos realizados com o objetivo de validar a abordagem mostram que as estratégias empregadas, tomando-se como base o caminho do bom aprendiz e as evidências de aprendizado, foram promissoras e favoráveis para os três cenários considerados no trabalho, quanto aos quesitos de adequação e engajamento. Por meio da avaliação com especialistas percebe-se que os exercícios recomendados, referentes aos cenários propostos, foram adequados para os diferentes tipos de alunos, e que a recomendação em uma ordem mais interessante, contribuiu com o aumento do engajamento dos alunos. Finalmente, a abordagem ReBaEv recomenda exercícios recebendo como parâmetro o estado do aluno, sendo assim, relevante com o objetivo de de aprimorar o processo de ensino-aprendizagem, ao melhor atender o aluno de acordo com as suas necessidades.Abstract: This dissertation aims to describe the ReBaEv approach, which consists of the recom- mendation of the next question, contextualized in the teaching of computer programming in computing courses. This approach adopts two recommendation strategies, the good learner path and the learning evidence. The state of the art was identified through a systematic mapping of the literature and revealed the techniques used in question recommendation. The student's model is considered, represented by a genetic graph, which is used to investigate and monitor the learners' evolution, through their abilities. The objective is to use the path of the good learner, which is generated by students who were successful in performing the exercises, as a way to replicate a competent model to other learners, when considering the field of learning. A method of automatic identification of learning evidence is used, through programming source codes, in order to extract the amount of evidence used in the exercises. The learning evidence is used in the recommendation when calculating a weight that is assigned to the exercises. Experiments carried out with the aim of validating the approach show that the strategies employed, taking as a basis the path of the good learner and the evidence of learning, were promising and favorable for the 3 scenarios considered in the work, regarding the items of adequacy and engagement . Through the evaluation with experts, it can be seen that the recommended exercises, referring to the proposed scenarios, were suitable for different types of students, and that the recommendation, in a more interesting order, contributed to increased student engagement. Finally, the ReBaEv approach recommends exercises taking the student's state as a parameter, thus being relevant in order to improve the teaching-learning process, by better serving the student according to their needs.1 recurso online : PDF.application/pdfInformática - Estudo e ensinoComputadoresProgramação (Computadores)Ensino gerenciado por computadorCiência da ComputaçãoREBAEV : uma abordagem para recomendação de questões utilizando o caminho do bom aprendiz e evidências de aprendizadoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisporreponame:Repositório Institucional da UFPRinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRinfo:eu-repo/semantics/openAccessORIGINALR - D - RAFAEL STAVITSKI COSTA DE OLIVEIRA.pdfapplication/pdf7130873https://acervodigital.ufpr.br/bitstream/1884/75736/1/R%20-%20D%20-%20RAFAEL%20STAVITSKI%20COSTA%20DE%20OLIVEIRA.pdff221782be0aba99c8f5a171d20280d05MD51open access1884/757362022-05-27 08:29:35.036open accessoai:acervodigital.ufpr.br:1884/75736Repositório InstitucionalPUBhttp://acervodigital.ufpr.br/oai/requestinformacaodigital@ufpr.bropendoar:3082022-05-27T11:29:35Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)false
dc.title.pt_BR.fl_str_mv REBAEV : uma abordagem para recomendação de questões utilizando o caminho do bom aprendiz e evidências de aprendizado
title REBAEV : uma abordagem para recomendação de questões utilizando o caminho do bom aprendiz e evidências de aprendizado
spellingShingle REBAEV : uma abordagem para recomendação de questões utilizando o caminho do bom aprendiz e evidências de aprendizado
Oliveira, Rafael Stavitski Costa de
Informática - Estudo e ensino
Computadores
Programação (Computadores)
Ensino gerenciado por computador
Ciência da Computação
title_short REBAEV : uma abordagem para recomendação de questões utilizando o caminho do bom aprendiz e evidências de aprendizado
title_full REBAEV : uma abordagem para recomendação de questões utilizando o caminho do bom aprendiz e evidências de aprendizado
title_fullStr REBAEV : uma abordagem para recomendação de questões utilizando o caminho do bom aprendiz e evidências de aprendizado
title_full_unstemmed REBAEV : uma abordagem para recomendação de questões utilizando o caminho do bom aprendiz e evidências de aprendizado
title_sort REBAEV : uma abordagem para recomendação de questões utilizando o caminho do bom aprendiz e evidências de aprendizado
author Oliveira, Rafael Stavitski Costa de
author_facet Oliveira, Rafael Stavitski Costa de
author_role author
dc.contributor.other.pt_BR.fl_str_mv Universidade Federal do Paraná. Setor de Ciências Exatas. Programa de Pós-Graduação em Informática
dc.contributor.author.fl_str_mv Oliveira, Rafael Stavitski Costa de
dc.contributor.advisor1.fl_str_mv Pimentel, Andrey Ricardo, 1965-
contributor_str_mv Pimentel, Andrey Ricardo, 1965-
dc.subject.por.fl_str_mv Informática - Estudo e ensino
Computadores
Programação (Computadores)
Ensino gerenciado por computador
Ciência da Computação
topic Informática - Estudo e ensino
Computadores
Programação (Computadores)
Ensino gerenciado por computador
Ciência da Computação
description Orientador: Andrey Ricardo Pimentel
publishDate 2022
dc.date.accessioned.fl_str_mv 2022-05-27T11:29:34Z
dc.date.available.fl_str_mv 2022-05-27T11:29:34Z
dc.date.issued.fl_str_mv 2022
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/1884/75736
url https://hdl.handle.net/1884/75736
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 1 recurso online : PDF.
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPR
instname:Universidade Federal do Paraná (UFPR)
instacron:UFPR
instname_str Universidade Federal do Paraná (UFPR)
instacron_str UFPR
institution UFPR
reponame_str Repositório Institucional da UFPR
collection Repositório Institucional da UFPR
bitstream.url.fl_str_mv https://acervodigital.ufpr.br/bitstream/1884/75736/1/R%20-%20D%20-%20RAFAEL%20STAVITSKI%20COSTA%20DE%20OLIVEIRA.pdf
bitstream.checksum.fl_str_mv f221782be0aba99c8f5a171d20280d05
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)
repository.mail.fl_str_mv informacaodigital@ufpr.br
_version_ 1831672514689892352

Registros relacionados