Architecture of artificial neural networks for adaptive learning in e-learning systems

Autor: Everton Gomede
Přispěvatelé: Mendes, Leonardo de Souza, 1961, Arantes, Dalton Soares, Panhan, André Macedo, Barros, Rodolfo Miranda de, Cardieri, Paulo, Universidade Estadual de Campinas. Faculdade de Engenharia Elétrica e de Computação, Programa de Pós-Graduação em Engenharia Elétrica, UNIVERSIDADE ESTADUAL DE CAMPINAS
Jazyk: portugalština
Rok vydání: 2020
Předmět:
Zdroj: Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
Universidade Estadual de Campinas (UNICAMP)
instacron:UNICAMP
Popis: Orientador: Leonardo de Souza Mendes Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação Resumo: O problema de Aprendizado Adaptativo pode ser descrito como um conjunto de preferências P, do aluno A, que implica na interação com o conjunto de objetos de aprendizagem O, contidos no sistema de e-learning; portanto, P -> O. Os dados desta interação permitem gerar modelos que expliquem o comportamento de tal aluno e, adicionalmente, prever seu comportamento. As redes neurais artificiais desempenham um papel importante para a modelagem de soluções, em diferentes tipos de problemas nos mais variados contextos. Para investigar o problema de Aprendizado Adaptativo, duas arquiteturas de redes neurais artificiais foram testadas; uma para classificação baseada na arquitetura Multi Layer Perceptron e outra para recomendação baseada na arquitetura Deep Auto Enconder. Como resultado, obtiveram-se duas estratégias, sendo a primeira relacionada com a classificação de um aluno no modelo de estilos de aprendizagem de Felder-Silverman e a segunda uma lista de objetos de aprendizagem que possam ser recomendados de acordo com as preferências de aprendizagem. Ambas as arquiteturas se mostraram eficazes permitindo que conteúdos e/ou formatos possam ser entregues, nos sistemas adaptativos de e-learning, de maneira adequada às preferências de seus usuários. Dentre as implicações práticas, pode-se destacar a possibilidade de melhora na experiência de aprendizagem do aluno devido à adaptação de conteúdos e/ou formatos Abstract: The Adaptive Learning problem can be described as a set of objects P, from student A, which implies interaction with the set of learning objects O, in an e-learning system; therefore, P -> O. The data of this interaction allows generate models that explain the student's behavior and, in addition, predict his behavior. The artificial neural networks have played an important role in modeling solutions, in different types of problems in several contexts. To investigate the Adaptive Learning problem, two artificial neural network architectures were tested; a specific classification in the Multi Layer Perceptron architecture and another recommended recommendation based on Deep Auto Encoder architecture. As a result, two strategies were obtain, the first one related to the classification of student in the Felder-Silverman Learning Style Model and the second one related to a list of recommended objects suitable to student¿s learning preferences. Both architectures have proven to be effective, allowing content and/or formats to be delivered, in adaptive e-learning systems, in a manner appropriate to the preferences of its users. Among the practical implications, the possibility of improving the student's learning experience due to the adaptation of contents and/or formats Doutorado Telecomunicações e Telemática Doutor em Engenharia Elétrica
Databáze: OpenAIRE
Externí odkaz: