Uma Revisão das Diferentes Abordagens Computacionais para Detecção de Estilos de Aprendizagem de Estudantes em Sistemas para Educação a Distância

• Autor(a) principal: Almeida, Arthur Machado França de
• Data de Publicação: 2020
• Outros Autores: Assis, Luciana Pereira de, Andrade, Alessandro Vivas
• Tipo de documento: Artigo
• Idioma: por
• Título da fonte: Informática na Educação: teoria & prática
• Texto Completo: https://seer.ufrgs.br/index.php/InfEducTeoriaPratica/article/view/97483
• topic: Estilos de Aprendizagem; Educação a Distância; Inteligência Artificial

Com a evolução da Educação a Distância nos últimos anos, muito se tem estudado sobre a importância de se considerar estilos de aprendizagem no processo de ensino a distância. No entanto, a identificação dos estilos de aprendizagem de um estudante em um ambiente EaD não é uma tarefa trivial. Este artigo busca realizar uma revisão sobre as diferentes abordagens computacionais para detecção de estilos de aprendizagem presentes na literatura. As abordagens computacionais aqui apresentadas são baseadas em técnicas da Inteligência Artificial capazes de realizar a detecção dos estilos de aprendizagem de forma automática a partir do comportamento do aluno em um ambiente virtual de aprendizagem. No total, foram selecionados 26 artigos, dos quais pode-se analisar 15 abordagens diferentes para detecção de estilos de aprendizagem. Dentre as abordagens, a mais utilizada nos trabalhos selecionados foram as Redes Bayesianas. Além disso, percebeu-se que as pesquisas relacionadas a detecção automática de estilos de aprendizagem, mesmo após as críticas recentes a teoria, continuam sendo desenvolvidas e aperfeiçoadas.