Please use this identifier to cite or link to this item: http://repositorio.ufpa.br/jspui/handle/2011/7176
metadata.dc.type: Tese
Issue Date: 18-May-2007
metadata.dc.creator: ROCHA, Francisco Edson Lopes da
metadata.dc.contributor.advisor1: FAVERO, Eloi Luiz
Title: Avaliação da aprendizagem: uma abordagem qualitativa baseada em mapas conceituais, ontologias e algoritmos genéticos
Citation: ROCHA, Francisco Edson Lopes da. Avaliação da aprendizagem: uma abordagem qualitativa baseada em mapas conceituais, ontologias e algoritmos genéticos. 2007. 163 f. Tese (Doutorado) - Universidade Federal do Pará, Centro Tecnológico, Belém, 2007. Programa de Pós-Graduação em Engenharia Elétrica.
metadata.dc.description.resumo: Nas últimas duas décadas, o crescimento nas áreas de Redes de Computadores e Inteligência Artificial - IA - favoreceu o avanço da pesquisa em outras áreas de conhecimento, entre elas a Educação. Nesta área, novas descobertas deslocaram as pesquisas das antigas teorias educacionais comportamentalistas para o construtivismo, levando a um melhor entendimento de como acontece a aprendizagem. Aprendizagem Significativa - AS - é uma das teorias construtivista em grande evidência atualmente e Mapa Conceitual - MC - é a sua ferramenta cognitiva principal. Adicionalmente, o amadurecimento da pesquisa da modalidade de Educação a Distância - EAD - permitiu aplicar o processo educacional em larga escala. Nesta tese investiga-se a avaliação automática inteligente da aprendizagem mediada por mapas conceituais. Trata-se de uma abordagem qualitativa, denominada de avaliação formativa, que está em conformidade com o modelo de Bloom, uma referência para os processos educacionais - ensino, aprendizagem e avaliação da aprendizagem. A proposta apresentada pretende ser uma alternativa de solução para uma importante questão na área da Educação: Como avaliar qualitativamente a aprendizagem respeitando os processos cognitivos idiossincráticos de cada estudante? A integração de mapas conceituais, ontologias de domínio e algoritmos genéticos possibilita um avanço no estado da arte de avaliação e acompanhamento automático da aprendizagem. Quebra-se o paradigma das avaliações apenas quantitativas, apresentando uma nova abordagem de acompanhamento gradual e contínuo das atividades do estudante. Nesta abordagem pode-se fazer o acompanhamento individual, respeitando a forma idiossincrática de aprender, e/ou de grupo de estudantes, sendo possível agrupá-los por características cognitivas específicas ou por grau de desenvolvimento. Esta tese inicia uma nova linha de pesquisa que pode ser sintetizada como “Avaliação automática qualitativa da aprendizagem centrada em Mapas Conceituais, fundamentada com técnicas de IA: ontologias e algoritmos genéticos”. Dentro dessa nova linha de pesquisa, a tese traz as seguintes contribuições: ² um protótipo de um ambiente para ensino, aprendizagem e avaliação da aprendizagem, fundamentado na Aprendizagem Significativa, incluindo um editor de mapas conceituais, um editor de ontologias e um módulo avaliador; ² uma proposta de uso de algoritmos genéticos e ontologias para avaliação/acompanhamento qualitativo da aprendizagem, permitindo: – acompanhamento individual passo a passo; – acompanhamento de grupos de estudantes; – comparações entre estudantes. As ontologias de domínio são geradas pelo professor usando um editor de ontologias que é disponibilizado no ambiente. Elas contêm o conhecimento estrutural que deve ser aprendido pelos estudantes antes que estes possam dominar outras formas de conhecimento. O algoritmo genético foi projetado para funcionar em dois modos distintos: i) gerando múltiplos MCs para comparar com o MC do estudante, permitindo uma avaliação da aprendizagem em qualquer estágio do andamento do curso; esta avaliação é relativa, centrada num determinado número de conceitos que representa uma estrutura parcial do domínio de conhecimento sendo estudado; e ii) gerando um MC ótimo de acordo com a ontologia gerada pelo professor para permitir uma avaliação completa da aprendizagem do domínio de conhecimento que foi estudado. O modelo proposto foi avaliado pela implementação de protótipos para a ferrramenta de avaliação. O algoritmo genético desenvolvido usa como espaço de busca as ontologias. Ele imita os processos cognitivos característicos da aprendizagem significativa e constrói MCs que possam ser comparados semanticamente com o do estudante. Sua função de adaptação representa uma forma medir distâncias no campo cognitivo, sendo a escala de medida dada por uma taxonomia que organiza dimensões semânticas e, dentro destas, frases de ligação. Esta taxonomia é usada pelo professor ao construir as ontologias e pelos estudantes ao construírem seus mapas conceituais. Os principais desafios que envolveram o desenvolvimento da pesquisa relatada nesta tese foram os seguintes: 1) determinação de um modelo adequado de ontologia de domínio que pudesse ser aplicado à avaliação da aprendizagem; 2) determinação de um método e uma escala de medida que se aplicasse ao domínio cognitivo; e 3) determinação de um mecanismo de busca na ontologia que fosse coerente com as teorias construtivistas da avaliação da aprendizagem. A pesquisa relatada neste trabalho pode avançar em função de novas funcionalidades ou de melhorias nas funcionalidades já implementadas. Algumas possibilidades foram sugeridas ao final da tese, sendo uma das principais a disponibilização do ambiente na Internet. Esta tese gerou 7 (sete) contribuições científicas, 1 (uma) em revista qualis A, 1 (uma) em revista qualis B, 2 (duas) em congressos internacionais e 3 (três) em congressos nacionais. Os resultados obtidos fazem avançar significativamente o que já foi conseguido até então no grupo de pesquisa AmAm/UFPA, em cujo contexto esta tese está inserida.
Abstract: In the last two decades, the development of areas such as Computer Networks and Artificial Intelligence (AI) has favored the growth of other areas of knowledge, like Education. In this area, new discoveries have changed the focus of research from old behaviorist educational theories to constructivism, leading to a better understanding of how learning occurs. Meaningful Learning (ML) is a constructivist theory in evidence nowadays and the Concept Map (CM) is its main cognitive tool. Additionally, the recent developments on Distance Learning (DL) have made it possible to apply the educational process in a larger scale. In this thesis, automatic learning assessment mediated by concept maps is investigated. This is related to a qualitative approach, named as formative assessment, which is compliant with Bloom’s model, a reference for educational processes - teaching, learning, and learning assessment. The proposal presented in this thesis is seen as an alternative solution to an important issue in the area of Education: how to evaluate learning qualitatively, respecting each student’s cognitive processes? The integration of concept maps, domain ontologies, and genetic algorithms allows for advances in automatic learning assessment and assistance. The paradigm of mere quantitative assessment is broken, and a new approach to gradual and continuous assistance in learning is presented. Following this approach, it is possible to accompany students individually, respecting their idiosyncratic ways of learning, and also to group students based on specific cognitive characteristics or development degrees. This thesis begins a new research area, which can be synthesized as "Automatic qualitative assessment of learning centered in Concept Maps, based on AI techniques: ontologies and genetic algorithms". In this new research area, the thesis originated the following contributions: ² a prototype of an environment designed to aid teaching, learning, and learning assessment, founded upon Meaningful Learning, encompassing a concept map editor, an ontology editor, and an assessment module; ² A proposal concerning the use of genetic algorithms and ontologies in qualitative assessment/ assistance of learning, allowing for: – step-by-step individual assistance; – assistance to groups of students; – comparisons among students. Domain ontologies are generated by the teacher, who uses an ontology editor provided by the environment. They comprise the structural knowledge that must be learned by students before they can manage other forms of knowledge. The genetic algorithm was designed to run in two distinct modes: i) generating multiple CMs to compare with the student’s CM, allowing for learning assessment at any moment of the course; this assessment is relative, centered in a determined number of concepts which represent a partial structure of knowledge domain being studied.; and ii) generating an optimal CM according to the ontology created by the teacher, to permit a complete assessment of the learning of the knowledge domain which was studied. The proposed model was evaluated by the implementation of prototypes for the assessment tool. The genetic algorithm developed uses the ontologies as its search spaces. It emulates meaningful learning cognitive processes, and constructs CMs that can be semantically compared to that of the student. Its fitness function represents a way of measuring distances in the cognitive field, being the measurement unit given by a taxonomy that organizes semantic dimensions and, inside these, linking phrases. This taxonomy is used by teachers when they construct their ontologies, and by students when they construct their concept maps. The main challenges faced in the development of the research reported in this thesis were: 1) definition of a domain ontology model that could be applied to learning assessment; 2) definition of a method and a scale that could be applied to the cognitive domain; and 3) definition of a search mechanism in the ontology in accordance with constructivist theories of learning assessment. The research described in this thesis can be further developed with new functionalities or improvements in functionalities already implemented. Some possibilities are suggested in the end of the thesis, the main of which being the deployment of the environment in the Internet. This thesis has generated 7 (seven) scientific contributions, 1 (one) in a qualis A magazine, 1 (one) in a qualis B magazine, 2 (two) in international congresses, and 3(three) in national congresses. The results of this research advance what has already been attained by the AmAm/UFPA research group, in whose context this thesis is inserted.
Keywords: Informática na educação
Aprendizagem significativa
Avaliação automática da aprendizagem
Mapas conceituais
Ontologias de domínio
Algoritmos genéticos
Aprendizagem cognitiva
Aprendizado do computador
Ensino auxiliado por computador
metadata.dc.subject.cnpq: CNPQ::ENGENHARIA ELETRICA
metadata.dc.publisher.country: Brasil
Publisher: Universidade Federal do Pará
metadata.dc.publisher.initials: UFPA
metadata.dc.publisher.department: Instituto de Tecnologia
metadata.dc.publisher.program: Programa de Pós-Graduação em Engenharia Elétrica
metadata.dc.rights: Acesso Aberto
Appears in Collections:Teses em Engenharia Elétrica (Doutorado) - PPGEE/ITEC

Files in This Item:
File Description SizeFormat 
Tese_AvaliacaoAprendizagemAbordagem.pdf2,46 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons