Medir as competências dos alunos universitários do 1º ano usando sinal EEG e o seu historial académico

Detalhes bibliográficos
Autor(a) principal: Rodrigues, Igor Emanuel da Ponte
Data de Publicação: 2019
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10316/87894
Resumo: Dissertação de Mestrado em Engenharia Informática apresentada à Faculdade de Ciências e Tecnologia
id RCAP_91818369e42f54c2c2d50b75177f6f3d
oai_identifier_str oai:estudogeral.uc.pt:10316/87894
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Medir as competências dos alunos universitários do 1º ano usando sinal EEG e o seu historial académicoMeasuring first year universitary students' abilities using EEG signal and their academic historialEEGEducaçãoEletroencefalogramaUniversidadeTécnicas de aprendizagem computacionalEEGEducationElectroencephalogramUniversityMachine learning techniquesDissertação de Mestrado em Engenharia Informática apresentada à Faculdade de Ciências e TecnologiaA capacidade de resolução de problemas de estudantes tem ganho um interesse por parte da comunidade científica, visto esta ser cada vez mais importante para o seu progresso escolar e para as suas carreiras. Dada esta importância, torna-se necessária a monitorização desta capacidade, de forma a melhor acompanhar os alunos e identificar as suas falhas a este nível.O presente projeto de investigação procurou avaliar diferenças na capacidade de resolução de problemas de teor lógico, e da atividade cerebral aquando da sua resolução, em alunos universitários de primeiro ano de duas instituições de ensino e áreas de especialização distintas - Licenciatura em Engenharia Informática da Faculdade de Ciências e Tecnologias da Universidade de Coimbra e Comunicação e Design Multimédia da Escola Superior de Educação de Coimbra. Para esse efeito, foi pedido aos alunos voluntários que resolvessem uma versão computorizada do teste de Matrizes Progressivas Avançadas de Raven, divida em duas fases: treino e teste, assim como que respondessem a um inquérito sobre o seu progresso escolar. Durante a execução deste teste, o sinal EEG de cada participante foi recolhido, de forma sincronizada com os eventos do teste, e foi posteriormente segmentado, processado, foram procuradas diferenças em rácios de potência de várias gamas, e em Potenciais Relacionados a Eventos. Além disto, foi efetuada uma análise correlacional entre os resultados obtidos pelos alunos no teste, e as variáveis indicativas do sucesso escolar.Os resultados obtidos sobre diferenças entre capacidade de resolução de problemas entre os dois perfis, indicam uma pequena tendência para um maior número de repostas corretas dos alunos de Engenharia Informática, o que poderá ser indicador de uma melhor capacidade destes alunos. No entanto, as diferenças encontradas não foram estatisticamente significativas. Quanto à análise correlacional entre os resultados obtidos nas Matrizes de Raven e o sucesso escolar dos alunos, verificaram-se duas correlações positivas fracas, novamente para os estudantes de Engenharia Informática, com as médias de entrada e os resultados nos exames nacionais. Quanto à atividade cerebral dos participantes, foram verificadas diferenças em várias métricas, relacionadas com questões atencionais. No que concerne a fenómenos associados a maior atividade cognitiva, foi encontrada uma diferença significativa para respostas corretas na fase de treino. Apesar disto, não é possível apenas com este resultado afirmar que existem diferenças significativas entre os dois perfis.One issue that has gained relevancy in recent times is students' problem solving abilities. This is important not only for their academic progress, but for their posterior proffessional careers. It is, therefore, important that we are able to monitor this capacity, so as to understand faults and try to cover them.This investigation project that aimed to evaluate differences in logical problem solving abilities and of cerebral activity during the period where the problems were solved, in first year students of two higher education institutions and from different specialization areas - Informatics Engineering from the Faculty of Science and Technology from the University of Coimbra and Communication and Multimedia Design from the Coimbra Superior School of Education.To this effect, the voluntary students were asked to solve a computorized version of the Raven's Advanced Progressive Matrices, divided in two phases: training and testing, and to answer to a survey about their academic progress. Their EEG signal was also recorded during the time they were solving the problems, in a synchronized way with test events. This signal was posteriorly segmented and processed, and differences in power ratios and Event Related Potentials were investigated. A correlational analysis between the obtained results in the Matrices problems and their academic success variables was also conducted.The obtained performance results indicate a slight tendency for more correct answers from the Informatics Enineering sample, which can be an indicator of better problem solving abilities from these students. However, this difference was not found to be statistically significant. As for the correlational analysis between performance in the Matrices test and the students' academic success, only weak correlations were found, and once again for the Informatics Engineering students.As for the participants' cerebral activity, statistically significant differences in various metrics were found, most of the related to attention. For phenomena associated with cognitive activity, one statistically significant difference was found. However, it is not possible to suggest that there are significant differences between the two samples with only this result.Outro - Supported by Spanish MICINN grant number PGC2018-097198-B-I002019-09-17info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesishttp://hdl.handle.net/10316/87894http://hdl.handle.net/10316/87894TID:202307069pormetadata only accessinfo:eu-repo/semantics/openAccessRodrigues, Igor Emanuel da Pontereponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2021-05-04T11:20:56Zoai:estudogeral.uc.pt:10316/87894Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T21:08:43.043020Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Medir as competências dos alunos universitários do 1º ano usando sinal EEG e o seu historial académico
Measuring first year universitary students' abilities using EEG signal and their academic historial
title Medir as competências dos alunos universitários do 1º ano usando sinal EEG e o seu historial académico
spellingShingle Medir as competências dos alunos universitários do 1º ano usando sinal EEG e o seu historial académico
Rodrigues, Igor Emanuel da Ponte
EEG
Educação
Eletroencefalograma
Universidade
Técnicas de aprendizagem computacional
EEG
Education
Electroencephalogram
University
Machine learning techniques
title_short Medir as competências dos alunos universitários do 1º ano usando sinal EEG e o seu historial académico
title_full Medir as competências dos alunos universitários do 1º ano usando sinal EEG e o seu historial académico
title_fullStr Medir as competências dos alunos universitários do 1º ano usando sinal EEG e o seu historial académico
title_full_unstemmed Medir as competências dos alunos universitários do 1º ano usando sinal EEG e o seu historial académico
title_sort Medir as competências dos alunos universitários do 1º ano usando sinal EEG e o seu historial académico
author Rodrigues, Igor Emanuel da Ponte
author_facet Rodrigues, Igor Emanuel da Ponte
author_role author
dc.contributor.author.fl_str_mv Rodrigues, Igor Emanuel da Ponte
dc.subject.por.fl_str_mv EEG
Educação
Eletroencefalograma
Universidade
Técnicas de aprendizagem computacional
EEG
Education
Electroencephalogram
University
Machine learning techniques
topic EEG
Educação
Eletroencefalograma
Universidade
Técnicas de aprendizagem computacional
EEG
Education
Electroencephalogram
University
Machine learning techniques
description Dissertação de Mestrado em Engenharia Informática apresentada à Faculdade de Ciências e Tecnologia
publishDate 2019
dc.date.none.fl_str_mv 2019-09-17
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 http://hdl.handle.net/10316/87894
http://hdl.handle.net/10316/87894
TID:202307069
url http://hdl.handle.net/10316/87894
identifier_str_mv TID:202307069
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv metadata only access
info:eu-repo/semantics/openAccess
rights_invalid_str_mv metadata only access
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799133980310634496

Registros relacionados