Please use this identifier to cite or link to this item: http://hdl.handle.net/10773/18710
Title: Análise de perfis de utilização em sistemas de auto-aprendizagem
Author: Gonçalves, Ana Rosa Marques
Advisor: Tomé, Ana Maria Perfeito
Descalço, Luís
Keywords: Sistema Tutor Inteligente (Programa de computador)
Defense Date: 2016
Publisher: Universidade de Aveiro
Abstract: Um Sistema Tutor Inteligente (STI) _e um programa de computador que tem como objetivo apoiar o aluno na sua aprendizagem. A aplicação web do projeto SIACUA _e um STI desenhado para o apoio ao estudo autónomo em disciplinas de Cálculo. Neste trabalho foram adicionadas algumas funcionalidades _a aplicação web SIACUA. Das funcionalidades implementadas realçamos a possibilidade de criação de cursos sem recurso a um programador e a geração de dois tipos de relatório sobre a utilização da própria aplicação. A primeira tem como objetivo facilitar o uso da aplicação pelos professores. Quanto aos relatórios, um apresenta o número de vezes que cada tópico foi escolhido para estudo e o outro apresenta por questão, o número de vezes que foi respondida assim como as taxas de erro e acerto. Ainda no âmbito deste trabalho procurámos prever o sucesso ou insucesso de um aluno com base na sua utilização desta aplicação. Recolhemos dados para as disciplinas de Cálculo 2 e Cálculo 3. Do processamento dos dados recolhidos extraímos um conjunto de características e aplicámos algoritmos de aprendizagem não supervisionada e supervisionada. Os algoritmos treinados foram o K-Means, vizinhos mais próximos e máquina de vetores de suporte (SVM). Para os dados de Cálculo 2, o classificador SVM Linear com redução do número de características foi o que apresentou melhores resultados. Como os dados de Cálculo 3 não eram equilibrados qualquer um dos classificadores mostrou pouca capacidade de discriminação entre alunos aprovados e alunos reprovados. Assim, abordámos variantes do classificador SVM Linear para conjuntos de dados não equilibrados. Os resultados mostram a importância da utilização de técnicas especificas para dados não equilibrados.
support vector machines, unsupervised learning, unbalanced data sets abstract An Intelligent Tutor System (ITS) is a computer program aimed to support students in their learning process. The SIACUA project's web application is an ITS designed to support the autonomous study in Calculus courses. Within the scope of this work new functionalities were added to the SIACUA web application. We highlight two of those functionalities: the possibility of courses creation without the intervention of a programmer and reports resuming the use of the application. With the rst functionality it is expected that more teachers consider to prepare new study materials for the students. And the reports are useful to know for instance which topics are chosen more often as well as statistics about the answers in order to detect possible misleading questions. Besides that we tried to predict the success or failure of a student based on the data collected during student SICUA interaction. The data concerning two courses (Calculus 2 and Calculus 3) were analyzed: a set of characteristics was extracted and unsupervised and supervised learning algorithms were applied. The algorithms were K-Means, nearest neighbors and support vector machines (SVM). Considering the Calculus 2 data, the classi er SVM Linear with reduction of the number of characteristics was the one that presented better results. As the Calculus 3 data was unbalanced any of the classi ers showed little discrimination capacity between approved and failed students. So, variants of the Linear SVM classi er for unbalanced data sets were approached. The results show the importance of using speci c techniques for unbalanced data.
Description: Mestrado em Sistemas de Informação
URI: http://hdl.handle.net/10773/18710
Appears in Collections:UA - Dissertações de mestrado
DETI - Dissertações de mestrado

Files in This Item:
File Description SizeFormat 
Dissertação.pdf1.53 MBAdobe PDFView/Open


FacebookTwitterLinkedIn
Formato BibTex MendeleyEndnote Degois 

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.