Evologic : sistema tutor inteligente para ensino de lógica baseado em computação evolutiva

Detalhes bibliográficos
Ano de defesa: 2021
Autor(a) principal: Galafassi, Cristiano
Orientador(a): Vicari, Rosa Maria
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
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:
Palavras-chave em Inglês:
Link de acesso: http://hdl.handle.net/10183/221010
Resumo: O uso de sistemas computacionais na educação vem demonstrando ser de grande valia para auxiliar no processo de ensino-aprendizagem. Uma das ferramentas disponíveis são os Sistemas Tutores Inteligentes, que tem o objetivo de dar suporte ao aluno em um determinado conteúdo. Em meados de 1980, surge o Cognitive Tutor®, para testar a arquitetura cognitiva ACT-R, se diferenciando dos Sistemas Tutores Inteligentes por possuir um viés cognitivo, destinado a acompanhar o processo cognitivo atrelado a resolução de problemas. Desde seu surgimento, o Cognitive Tutor® passou por inúmeras atualizações além de novos tutores cognitivos terem surgido. Contudo, todos recaem sobre o problema de disponibilizar um conjunto limitado de exercícios nativos, demandaram um grande esforço do professor para modelar novas atividades para os alunos ou apresentam um processo cognitivo limitado a certas formas de resolver o problema. Nesse sentido, o objetivo desse estudo é propor um Sistema Tutor Inteligente capaz de acompanhar o processo cognitivo do aluno no domínio de Dedução Natural em Lógica Proposicional, permitindo que seja possível identificar a linha de raciocínio dos alunos e que seja possível fornecer feedback de qualidade possibilitando que o aluno tenha flexibilidade na escolha dos exercícios que deseja resolver. Os agentes são modelados no contexto de um Sistema Tutor Inteligente denominado EvoLogic, utilizando uma arquitetura multiagente, suportada por cinco estruturas cognitivas estudadas ao longo dos anos. O sistema é composto por três agentes, destacando-se o agente Pedagógico, que tem a função de identificar as características do processo cognitivo do aluno (Modelo de Aluno), e o agente Especialista baseado em Algoritmos Genéticos. O objetivo deste estudo é a criação do EvoLogic, um Sistema Tutor Inteligente que possa acompanhar o processo cognitivo do aluno, flexibilizando a escolha dos exercícios e possuindo um model tracing adequado ao raciocínio do aluno. Sendo assim, optou-se pela utilização de um algoritmo genético como especialista do domínio de ensino dada a sua grande adaptabilidade a diversos contextos e problemas, facilitando uma possível portabilidade futura para outros domínios de ensino. Para validar o sistema proposto, foi criado um ambiente simulado com dados de um experimento realizado em outro sistema, especialista em Lógica. Os resultados apontam que o agente Especialista foi capaz de obter as diferentes soluções para os problemas estudados e que o agente Pedagógico pode identificar características do processo cognitivo dos alunos e acompanhar seu raciocínio ao resolverem os exercícios.
id URGS_68e486aec807e3188510a6c05ab308df
oai_identifier_str oai:www.lume.ufrgs.br:10183/221010
network_acronym_str URGS
network_name_str Biblioteca Digital de Teses e Dissertações da UFRGS
repository_id_str
spelling Galafassi, CristianoVicari, Rosa MariaReategui, Eliseo Berni2021-05-14T04:26:39Z2021http://hdl.handle.net/10183/221010001125623O uso de sistemas computacionais na educação vem demonstrando ser de grande valia para auxiliar no processo de ensino-aprendizagem. Uma das ferramentas disponíveis são os Sistemas Tutores Inteligentes, que tem o objetivo de dar suporte ao aluno em um determinado conteúdo. Em meados de 1980, surge o Cognitive Tutor®, para testar a arquitetura cognitiva ACT-R, se diferenciando dos Sistemas Tutores Inteligentes por possuir um viés cognitivo, destinado a acompanhar o processo cognitivo atrelado a resolução de problemas. Desde seu surgimento, o Cognitive Tutor® passou por inúmeras atualizações além de novos tutores cognitivos terem surgido. Contudo, todos recaem sobre o problema de disponibilizar um conjunto limitado de exercícios nativos, demandaram um grande esforço do professor para modelar novas atividades para os alunos ou apresentam um processo cognitivo limitado a certas formas de resolver o problema. Nesse sentido, o objetivo desse estudo é propor um Sistema Tutor Inteligente capaz de acompanhar o processo cognitivo do aluno no domínio de Dedução Natural em Lógica Proposicional, permitindo que seja possível identificar a linha de raciocínio dos alunos e que seja possível fornecer feedback de qualidade possibilitando que o aluno tenha flexibilidade na escolha dos exercícios que deseja resolver. Os agentes são modelados no contexto de um Sistema Tutor Inteligente denominado EvoLogic, utilizando uma arquitetura multiagente, suportada por cinco estruturas cognitivas estudadas ao longo dos anos. O sistema é composto por três agentes, destacando-se o agente Pedagógico, que tem a função de identificar as características do processo cognitivo do aluno (Modelo de Aluno), e o agente Especialista baseado em Algoritmos Genéticos. O objetivo deste estudo é a criação do EvoLogic, um Sistema Tutor Inteligente que possa acompanhar o processo cognitivo do aluno, flexibilizando a escolha dos exercícios e possuindo um model tracing adequado ao raciocínio do aluno. Sendo assim, optou-se pela utilização de um algoritmo genético como especialista do domínio de ensino dada a sua grande adaptabilidade a diversos contextos e problemas, facilitando uma possível portabilidade futura para outros domínios de ensino. Para validar o sistema proposto, foi criado um ambiente simulado com dados de um experimento realizado em outro sistema, especialista em Lógica. Os resultados apontam que o agente Especialista foi capaz de obter as diferentes soluções para os problemas estudados e que o agente Pedagógico pode identificar características do processo cognitivo dos alunos e acompanhar seu raciocínio ao resolverem os exercícios.The use of computer systems in education has proven to be valuable to assist in the teachinglearning process. One of the available tools are the Intelligent Tutoring Systems, which aims to support the student in a certain content. In the mid-1960s, the Cognitive Tutor® appeared, to test the cognitive architecture ACT-R, differentiating itself from Intelligent Tutoring Systems in that it has a cognitive bias, designed to follow the cognitive process related to problem solving. Since its inception, Cognitive Tutor® has undergone numerous updates in addition to new cognitive tutors having emerged. However, they all fall on the problem of making a limited set of native exercises available, demanded a great effort from the teacher to model new activities for the students or present a cognitive process limited to certain ways of solving the problem. In this sense, the objective of this study is to propose an Intelligent Tutor System capable of monitoring the student's cognitive process in the domain of Natural Deduction in Propositional Logic, allowing it to be possible to identify the students' line of reasoning and to provide quality feedback enabling that the student has flexibility in choosing the exercises he wants to solve. The agents are modeled in the context of an Intelligent Tutoring System called EvoLogic, using a multi-agent architecture, supported by five cognitive structures studied over the years. The system is composed of three agents, especially the Pedagogical agent, which has the function of identifying the characteristics of the student's cognitive process (Student Model), and the Specialist agent based on Genetic Algorithms. The objective of this study is the creation of EvoLogic, an Intelligent Tutoring System that can follows the student's cognitive process, making the choice of exercises more flexible and having a model tracing consistent to the student's reasoning. Therefore, we opted for the use of a genetic algorithm as a specialist in the teaching domain, given its great adaptability to different contexts and problems, facilitating possible future portability to other teaching domains. To validate the proposed system, a simulated environment was created with data from an experiment carried out in another system, specialized in Logic. The results show that the Specialist agent was able to obtain the different solutions to the studied problems and that the Pedagogical agent can identify characteristics of the students' cognitive process and monitor their reasoning when solving the exercises.application/pdfporAlgorítmoTecnologia educacionalGenetic AlgorithmsMultiagent SystemModel TracingSpecialist AgentEvologic : sistema tutor inteligente para ensino de lógica baseado em computação evolutivainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisUniversidade Federal do Rio Grande do SulCentro de Estudos Interdisciplinares em Novas Tecnologias da EducaçãoPrograma de Pós-Graduação em Informática na EducaçãoPorto Alegre, BR-RS2021doutoradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001125623.pdf.txt001125623.pdf.txtExtracted Texttext/plain256101http://www.lume.ufrgs.br/bitstream/10183/221010/2/001125623.pdf.txt90fb0dfa55961f5b72dd8575c54dd9a9MD52ORIGINAL001125623.pdfTexto completoapplication/pdf3628893http://www.lume.ufrgs.br/bitstream/10183/221010/1/001125623.pdf0448d505eecc70263ce0d5fbfbfa319fMD5110183/2210102023-03-16 03:24:25.033254oai:www.lume.ufrgs.br:10183/221010Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532023-03-16T06:24:25Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Evologic : sistema tutor inteligente para ensino de lógica baseado em computação evolutiva
title Evologic : sistema tutor inteligente para ensino de lógica baseado em computação evolutiva
spellingShingle Evologic : sistema tutor inteligente para ensino de lógica baseado em computação evolutiva
Galafassi, Cristiano
Algorítmo
Tecnologia educacional
Genetic Algorithms
Multiagent System
Model Tracing
Specialist Agent
title_short Evologic : sistema tutor inteligente para ensino de lógica baseado em computação evolutiva
title_full Evologic : sistema tutor inteligente para ensino de lógica baseado em computação evolutiva
title_fullStr Evologic : sistema tutor inteligente para ensino de lógica baseado em computação evolutiva
title_full_unstemmed Evologic : sistema tutor inteligente para ensino de lógica baseado em computação evolutiva
title_sort Evologic : sistema tutor inteligente para ensino de lógica baseado em computação evolutiva
author Galafassi, Cristiano
author_facet Galafassi, Cristiano
author_role author
dc.contributor.author.fl_str_mv Galafassi, Cristiano
dc.contributor.advisor1.fl_str_mv Vicari, Rosa Maria
dc.contributor.advisor-co1.fl_str_mv Reategui, Eliseo Berni
contributor_str_mv Vicari, Rosa Maria
Reategui, Eliseo Berni
dc.subject.por.fl_str_mv Algorítmo
Tecnologia educacional
topic Algorítmo
Tecnologia educacional
Genetic Algorithms
Multiagent System
Model Tracing
Specialist Agent
dc.subject.eng.fl_str_mv Genetic Algorithms
Multiagent System
Model Tracing
Specialist Agent
description O uso de sistemas computacionais na educação vem demonstrando ser de grande valia para auxiliar no processo de ensino-aprendizagem. Uma das ferramentas disponíveis são os Sistemas Tutores Inteligentes, que tem o objetivo de dar suporte ao aluno em um determinado conteúdo. Em meados de 1980, surge o Cognitive Tutor®, para testar a arquitetura cognitiva ACT-R, se diferenciando dos Sistemas Tutores Inteligentes por possuir um viés cognitivo, destinado a acompanhar o processo cognitivo atrelado a resolução de problemas. Desde seu surgimento, o Cognitive Tutor® passou por inúmeras atualizações além de novos tutores cognitivos terem surgido. Contudo, todos recaem sobre o problema de disponibilizar um conjunto limitado de exercícios nativos, demandaram um grande esforço do professor para modelar novas atividades para os alunos ou apresentam um processo cognitivo limitado a certas formas de resolver o problema. Nesse sentido, o objetivo desse estudo é propor um Sistema Tutor Inteligente capaz de acompanhar o processo cognitivo do aluno no domínio de Dedução Natural em Lógica Proposicional, permitindo que seja possível identificar a linha de raciocínio dos alunos e que seja possível fornecer feedback de qualidade possibilitando que o aluno tenha flexibilidade na escolha dos exercícios que deseja resolver. Os agentes são modelados no contexto de um Sistema Tutor Inteligente denominado EvoLogic, utilizando uma arquitetura multiagente, suportada por cinco estruturas cognitivas estudadas ao longo dos anos. O sistema é composto por três agentes, destacando-se o agente Pedagógico, que tem a função de identificar as características do processo cognitivo do aluno (Modelo de Aluno), e o agente Especialista baseado em Algoritmos Genéticos. O objetivo deste estudo é a criação do EvoLogic, um Sistema Tutor Inteligente que possa acompanhar o processo cognitivo do aluno, flexibilizando a escolha dos exercícios e possuindo um model tracing adequado ao raciocínio do aluno. Sendo assim, optou-se pela utilização de um algoritmo genético como especialista do domínio de ensino dada a sua grande adaptabilidade a diversos contextos e problemas, facilitando uma possível portabilidade futura para outros domínios de ensino. Para validar o sistema proposto, foi criado um ambiente simulado com dados de um experimento realizado em outro sistema, especialista em Lógica. Os resultados apontam que o agente Especialista foi capaz de obter as diferentes soluções para os problemas estudados e que o agente Pedagógico pode identificar características do processo cognitivo dos alunos e acompanhar seu raciocínio ao resolverem os exercícios.
publishDate 2021
dc.date.accessioned.fl_str_mv 2021-05-14T04:26:39Z
dc.date.issued.fl_str_mv 2021
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/221010
dc.identifier.nrb.pt_BR.fl_str_mv 001125623
url http://hdl.handle.net/10183/221010
identifier_str_mv 001125623
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 application/pdf
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Biblioteca Digital de Teses e Dissertações da UFRGS
collection Biblioteca Digital de Teses e Dissertações da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/221010/2/001125623.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/221010/1/001125623.pdf
bitstream.checksum.fl_str_mv 90fb0dfa55961f5b72dd8575c54dd9a9
0448d505eecc70263ce0d5fbfbfa319f
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv lume@ufrgs.br||lume@ufrgs.br
_version_ 1831316112272261120