Please enable JavaScript.

Coggle requires JavaScript to display documents.

Fenômeno observado: evasão nos cursos da área de computação atribuída à…

- - - - a) Nível de conhecimento do estudante para a matéria (progrmaação p exemplo)
      - b) Estilo de Aprendizagem (muito usado, mas precisa ser bem avaliado para ser usado)
      - c) Pensar em como esse feedback seria projetado: texto, vídeo, figuras (o estilo de aprendizagem ajudaria, proc. linguagem natural ajudaria na geração/interpretação de texto)...
- - - - Técnicas e/ou algoritmos de IA
        
        Sistemas de Recomendação: Algoritmos de filtragem colaborativa e filtragem baseada em conteúdo têm sido amplamente utilizados para recomendar conteúdo educacional personalizado com base no histórico de aprendizado do aluno.
        
        Redes Neurais Artificiais (RNAs): Redes neurais profundas, como redes neurais recorrentes (RNNs) e redes neurais convolucionais (CNNs), têm sido aplicadas para analisar dados de alunos e criar modelos de personalização adaptativa.
        
        Aprendizado por Reforço: Algoritmos de aprendizado por reforço têm sido usados para adaptar o conteúdo com base no desempenho do aluno, recompensando ações positivas e ajustando o caminho de aprendizado.
        
        Árvores de Decisão e Algoritmos de Classificação: Essas técnicas são usadas para criar modelos de perfil do aluno e prever suas necessidades de aprendizado com base em dados históricos.
        
        Processamento de Linguagem Natural (PLN): Técnicas de PLN são usadas para analisar o texto gerado pelos alunos, como respostas a perguntas, para avaliar seu entendimento e adaptar o conteúdo com base nisso.
        
        Aprendizado Federado: Uma abordagem de privacidade que permite a personalização adaptativa com dados distribuídos, sem a necessidade de compartilhar informações sensíveis dos alunos.
        
        Aprendizado de Máquina Online: Algoritmos de aprendizado de máquina online permitem a adaptação contínua do modelo à medida que novos dados são coletados, o que é útil para a personalização em tempo real.
        
        Modelos de Espaço de Conhecimento: Esses modelos representam o conhecimento do aluno em um espaço multidimensional, permitindo a adaptação com base nas lacunas de conhecimento identificadas.
        
        Algoritmos Evolutivos: Algoritmos genéticos e outras técnicas evolutivas podem ser usados para otimizar a sequência de aprendizado adaptativa.
        
        Aprendizado Semi-Supervisionado: Essa abordagem combina dados rotulados e não rotulados para melhorar a personalização adaptativa com um número limitado de dados de treinamento.
    - - Técnicas e/ou algoritmos de IA
        
        Teoria de Resposta ao Item (TRI): A TRI é uma abordagem estatística que modela a probabilidade de um aluno responder corretamente a uma pergunta com base em suas habilidades e na dificuldade da pergunta. É amplamente usada em avaliações adaptativas.
        
        Algoritmos de Seleção de Itens: Algoritmos como o algoritmo de máxima informação (MFI) e o algoritmo de Bayesian Knowledge Tracing (BKT) são usados para selecionar as próximas perguntas com base no desempenho do aluno.
        
        Adaptação de Dificuldade: Os algoritmos podem ajustar a dificuldade das perguntas com base nas respostas anteriores do aluno. Se um aluno estiver respondendo bem, as perguntas mais desafiadoras podem ser apresentadas.
        
        Feedback Adaptativo: Além das perguntas, a IA pode gerar feedback adaptativo após cada resposta do aluno para orientar o processo de aprendizado.
        
        Métodos de Agrupamento de Itens: Técnicas de clusterização podem ser usadas para agrupar itens de avaliação em diferentes níveis de dificuldade, permitindo uma seleção mais eficaz.
        
        Redes Bayesianas: As redes bayesianas podem ser usadas para modelar o conhecimento do aluno e adaptar a avaliação com base em inferências probabilísticas.
        
        Aprendizado por Reforço na Avaliação: Algoritmos de aprendizado por reforço podem ser aplicados para ajustar o processo de avaliação e recompensar o aluno com base no progresso.
        
        Modelos de Espaço de Conhecimento: Esses modelos representam o conhecimento do aluno em um espaço multidimensional, permitindo uma avaliação adaptativa com base nas lacunas de conhecimento identificadas.
        
        Avaliação Formativa Adaptativa: Abordagens que integram avaliação adaptativa no processo de ensino para fornecer orientação em tempo real ao aluno.
        
        Privacidade e Ética na Avaliação Adaptativa: Explorar métodos que garantam a privacidade dos dados dos alunos e considerem questões éticas na personalização da avaliação.