Author(s): Matos, Clarisse Celeste Cravo
Date: 2013
Persistent ID: http://hdl.handle.net/10400.22/4636
Origin: Repositório Científico do Instituto Politécnico do Porto
Subject(s): Sistemas de hipermédia adaptativa educacional; Modelação do aluno; Técnicas de Data Mining; Adaptive educational hypermedia systems; Student model; Data Mining techniques
O aumento de tecnologias disponíveis na Web favoreceu o aparecimento de diversas formas de informação, recursos e serviços. Este aumento aliado à constante necessidade de formação e evolução das pessoas, quer a nível pessoal como profissional, incentivou o desenvolvimento área de sistemas de hipermédia adaptativa educacional - SHAE. Estes sistemas têm a capacidade de adaptar o ensino consoante o modelo do aluno, características pessoais, necessidades, entre outros aspetos. Os SHAE permitiram introduzir mudanças relativamente à forma de ensino, passando do ensino tradicional que se restringia apenas ao uso de livros escolares até à utilização de ferramentas informáticas que através do acesso à internet disponibilizam material didático, privilegiando o ensino individualizado. Os SHAE geram grande volume de dados, informação contida no modelo do aluno e todos os dados relativos ao processo de aprendizagem de cada aluno. Facilmente estes dados são ignorados e não se procede a uma análise cuidada que permita melhorar o conhecimento do comportamento dos alunos durante o processo de ensino, alterando a forma de aprendizagem de acordo com o aluno e favorecendo a melhoria dos resultados obtidos. O objetivo deste trabalho foi selecionar e aplicar algumas técnicas de Data Mining a um SHAE, PCMAT - Mathematics Collaborative Educational System. A aplicação destas técnicas deram origem a modelos de dados que transformaram os dados em informações úteis e compreensíveis, essenciais para a geração de novos perfis de alunos, padrões de comportamento de alunos, regras de adaptação e pedagógicas. Neste trabalho foram criados alguns modelos de dados recorrendo à técnica de Data Mining de classificação, abordando diferentes algoritmos. Os resultados obtidos permitirão definir novas regras de adaptação e padrões de comportamento dos alunos, poderá melhorar o processo de aprendizagem disponível num SHAE.
The development of technologies available on the Web promoted the appearance of several forms of information, resources and services. This combined with the constant need for training and development of people, on both personal and professional levels, promoted the area of Adaptive Educational Hypermedia Systems – AEHS. These systems have the ability to adapt the kind of teaching according to the student’s model, his personal characteristics, interests, needs, preferences, among other aspects. The AEHS allowed the introduction of changes in the way of teaching, from traditional education, where only school books were used, to the use of new technologies, which, through the use of the Internet, provide educational materials, emphasizing individualized learning. The AEHS generate a large amount of data, information contained in the student model and all the data regarding the learning process of each student. These data are easily ignored and not carefully analyzed in order to improve the knowledge of the students’ behavior during the teaching process, changing the form of learning according to the student and improving the results obtained. The goal of this study was to select and apply some Data Mining techniques to an adaptive educational hypermedia system, PCMAT - Mathematics Collaborative Educational System. The use of these techniques created data models that transformed data into useful and understandable information, essential to generate new students’ models, student behavior patterns, adaptation and pedagogical rules. In this work, some models of data were created using the data mining technique of classification, using different algorithms. The results of these data models may define new adaptation rules and patterns from the behavior of students and can improve the learning process available on the AEHS.
