Classificação automática de erros de aprendizes humanos do processo de indução analítica

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorDirene, Alexandre Ibrahim-
Autor(es): dc.contributorOliveira, Luiz Eduardo Soares de, 1971--
Autor(es): dc.contributorUniversidade Federal do Paraná. Setor de Ciências Exatas. Programa de Pós-Graduação em Informática-
Autor(es): dc.creatorBazzo, Gustavo Cesar-
Data de aceite: dc.date.accessioned2025-09-01T11:08:04Z-
Data de disponibilização: dc.date.available2025-09-01T11:08:04Z-
Data de envio: dc.date.issued2024-10-30-
Data de envio: dc.date.issued2024-10-30-
Data de envio: dc.date.issued2011-
Fonte completa do material: dc.identifierhttps://hdl.handle.net/1884/26346-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/1884/26346-
Descrição: dc.descriptionOrientador: Prof. Dr. Alexandre Ibrahim Direne-
Descrição: dc.descriptionCoorientador: Prof. Dr. Luiz Eduardo Soares Oliveira-
Descrição: dc.descriptionDissertação (mestrado) - Universidade Federal do Paraná, Setor de Ciências Exatas, Programa de Pós-Graduação em Informática. Defesa: Curitiba, 29/08/2011-
Descrição: dc.descriptionBibliografia: fls. 44-47-
Descrição: dc.descriptionResumo: O problema da classificação automática de erros humanos no processo de indução analítica é exposto de maneira crítica em relação ao contexto da aprendizagem formal da matemática. As principais limitações de outras pesquisas existentes são apontadas em relação á concepção de modelos dinâmicos de aprendizes em sistemas tutores inteligentes. Os aspectos metodológicos de uma solução factível para o problema proposto são identificadas com base em métricas genéricas que se aplicam ás diferenças entre expressões matemáticas erradas e corretas. Uma implementação do modelo estudado é feita com base em dados experimentais coletados de aprendizes reais e submetidos á análise de especialistas no ensino de indução analítica. Os principais resultados apontam para índices de 87% de acerto na classificação automática. Metas futuras de pesquisa são delineadas no sentido de monitorar a evolução do desempenho acadêmico dos aprendizes por longos períodos.-
Descrição: dc.descriptionAbstract: The problem of automatic classification of human errors in the process of analytic induction is laid out as critical relations of formal learning contexts of mathematical concepts. The main limitations of past research are spotted in relation to the concepts of dynamic learner modelling in intelligent tutoring systems. Methodological aspects of a sible solution to the proposed problem are identified on the basis of generic measures which apply to diferences between wrong and correct mathematical expressions. An implementation of the model is carried out using experimental data collected from real learner and submitted to experts in analytic induction teaching to be analysed. The mais results point to an 87% hits in automatic classification. Future research aims are outlined s an efiort to track learners' performance during long periods of time.-
Formato: dc.format57f. : il., grafs., tabs.-
Formato: dc.formatapplication/pdf-
Formato: dc.formatapplication/pdf-
Relação: dc.relationDisponível em formato digital-
Palavras-chave: dc.subjectMatemática - Estudo e ensino-
Palavras-chave: dc.subjectMatematica - Processamento de dados-
Palavras-chave: dc.subjectEnsino auxiliado por computador-
Palavras-chave: dc.subjectCiência da computação-
Título: dc.titleClassificação automática de erros de aprendizes humanos do processo de indução analítica-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositório Institucional - Rede Paraná Acervo

Não existem arquivos associados a este item.