Identificando conhecimentos a partir da aplicação das regras de dedução natural na lógica proposicional, um estudo prático

• Ano de defesa: 2019
• Autor(a) principal: Galafassi, Fabiane Flores Penteado
• Orientador(a): Vicari, Rosa Maria
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Lógica; Dedução natural
• Palavras-chave em Inglês: Intelligent tutoring systems; Student model; Natural deduction in posicional logic; Level of real development; Knowledge representation; Bayesian networks
• Link de acesso: http://hdl.handle.net/10183/197064

Lógica é um componente curricular encontrado em matrizes de cursos de Bacharelado e Licenciatura em Computação, sendo ministrado tipicamente no primeiro ou segundo semestre desses cursos. Neste contexto, esta pesqnisa abordou um problema identificado no ensino superior e que está relacionado a este componente. De forma a contribuir com este problema, esta tese apresenta o desenvolvimento de um agente Modelo de Aluno e sua aplicação em um sistema de tutoria inteligente voltada ao ensino de Lógica. Para modelar este agente utilizou-se um mecanismo de inferência capaz de calcular estatisticamente a probabilidade de o aluno conhecer um dado conceito que envolve as regras de dedução natural, na lógica proposicional. Nesta modelagem, o agente tem sua representação do conhecimento baseada em Redes Bayesianas, e conta com uma abordagem pedagógica para a escolha das variáveis e dos pesos estatísticos em sua representação topológica. Esta representação teve como base o que conceme ao conceito de Zona de Desenvolvimento Proximal. A validação do sistema, análise e interpretação dos resultados foram realizadas através de testes aplicados em turmas de graduação dos cursos de Ciência da Computação e Engenharia de Software, no componente curricular Lógica para Programação no semestre de 2018/2 da UFRGS. Os dados utilizados nesta pesquisa foram obtidos a partir das interações registradas no ambiente de ensino Heráclito. Os experimentos foram divididos em quatro fases, iniciando por uma validação estatística acerca da resolução dos exercícios, seguido pela avaliação da percepção do uso do ambiente de ensino Heráclito quanto à usabilidade/interface, serviço de tutoria e aplicação das regras de dedução natural. Em especial, na última fase, no que tange as regras, foram realizadas duas análises: 1) comparando questões respondidas pelos alunos sobre o conhecimento das regras; 2) e as probabilidades de conhecimento das regras, calculadas pelo agente Modelo de Aluno. Os resultados apontam que o Modelo de Aluno proposto apresenta uma alta precisão em sua inferência. Essa afirmação permite que seja aberto um leque de aplicações, em especial, permitindo que o ambiente caminhe para um ensino personalizado, agregando o conhecimento de cada aluno.