UMA ABORDAGEM COMPUTACIONAL PARA DETECÇÃO AUTOMÁTICA DE ESTILOS DE APRENDIZAGEM UTILIZANDO MODELOS OCULTOS DE MARKOV

Resumo

Um dos grandes desafios dos dias atuais no desenvolvimento de tecnologias computacionais aplicadas ao processo educacional, é produzir soluções que sejam capazes de atender corretamente aos métodos de ensino e aprendizagem. Para que isso ocorra, é fundamental que os ambientes virtuais forneçam conteúdo adequado, objetos de aprendizagem atraentes, além de serem dinâmicos e altamente adaptáveis às necessidades dos estudantes, visando a melhoria continua do processo educacional para professores, tutores e estudantes. Este trabalho apresenta uma abordagem computacional probabilística, que visa a detecção automática do estilo de aprendizagem, utilizando uma combinação do modelo proposto por Felder e Silverman para estilos de aprendizagem, o Felder and Silverman Learning Styles Model (FSLSM), com as técnicas de inferência probabilística dos modelos ocultos de Markov (HMM). Para a validação da abordagem, foram realizados experimentos em um simulador computacional capaz de reproduzir parcialmente o processo de interação do estudante com o ambiente virtual de aprendizagem, para a inferência do estilo de aprendizagem probabilístico foi utilizado o algoritmo de Viterbi. Ao final, os resultados dos experimentos são apresentados e demonstraram um elevado grau precisão no processo de inferência do estilo de aprendizagem probabilístico.Palavras-chave: Estilos de Aprendizagem. FSLSM. HMM. Ambientes Virtuais de Aprendizagem. Educação.