Uma abordagem para detec??o autom?tica de estilos de aprendizagem de estudantes utilizando minera??o de dados

• Autor(a) principal: Abreu, Rafael Miranda
• Data de Publicação: 2019
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UFVJM
• Texto Completo: http://acervo.ufvjm.edu.br/jspui/handle/1/2388
• topic: Estilos de aprendizagem; Minera??o de dados; Sistemas de gerenciamento de aprendizagem; Detec??o de estilos de aprendizagem; Learning styles; Data mining; Learning management systems; Detection of learning styles

Utilizados pelas Institui??es Educacionais os Sistemas de Gerenciamento de Aprendizagem, como o Moodle, s?o ferramentas importantes no processo de ensino-aprendizagem e a cada dia que passa ganham mais adeptos. Essa populariza??o deve-se ao fato destes softwares serem em sua maioria intuitivos e de f?cil manuseio. No entanto, grande parte desses sistemas, mesmo vindo acompanhados de v?rios benef?cios, possuem uma certa ?defici?ncia?, uma vez que fornecem os conte?dos de iguais maneiras e formatos a todos os seus usu?rios. Sendo assim, considerando que indiv?duos possuem prefer?ncias e caracter?sticas diferentes, a absor??o dos conte?dos ofertados atrav?s destas plataformas pelos aprendizes pode n?o ser a ideal. De acordo com diversos estudiosos se o Estilo de Aprendizagem de determinado estudante for conhecido, ? poss?vel apresentar as ferramentas e os Objetos de Aprendizagem que melhor se ad?quam ao seu perfil de aprendizagem, e provavelmente sua aprendizagem ser? facilitada. Neste sentido, e baseando-se no Modelo de Estilos de Aprendizagem de Felder e Silverman, esta pesquisa apresenta uma abordagem capaz de descobrir o Estilos de Aprendizagem de alunos automaticamente. Para que o objetivo fosse alcan?ado, foram aplicados conceitos e t?cnicas de Minera??o de Dados. Os v?rios testes realizados apresentaram bons resultados, e apontam que a abordagem proposta pode ser promissora na detec??o de Estilo de Aprendizagem de estudantes.