Compartilhamento |
|
Use este identificador para citar ou linkar para este item:
https://tedebc.ufma.br/jspui/handle/tede/tede/3535
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.creator | MARANHÃO, D’jefferson Smith Santos | - |
dc.creator.Lattes | http://lattes.cnpq.br/1816457253267474 | por |
dc.contributor.advisor1 | SOARES NETO, Carlos de Salles | - |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/1512846862093142 | por |
dc.contributor.referee1 | SOARES NETO, Carlos de Salles | - |
dc.contributor.referee1Lattes | http://lattes.cnpq.br/1512846862093142 | por |
dc.contributor.referee2 | OLIVEIRA, Alexandre César Muniz de | - |
dc.contributor.referee2Lattes | http://lattes.cnpq.br/5225588855422632 | por |
dc.contributor.referee3 | BARRÉRE, Eduardo | - |
dc.contributor.referee3Lattes | http://lattes.cnpq.br/0735298552666402 | por |
dc.date.accessioned | 2022-04-27T14:04:53Z | - |
dc.date.issued | 2021-06-23 | - |
dc.identifier.citation | MARANHÃO, D’jefferson Smith Santos. Análise de um modelo para a tomada de decisões pedagógicas em um ambiente voltado ao aprendizado de algoritmos. 2021. 122 f. Dissertação (Programa de Pós-Graduação em Ciência da Computação/CCET) - Universidade Federal do Maranhão, São Luís, 2021. | por |
dc.identifier.uri | https://tedebc.ufma.br/jspui/handle/tede/tede/3535 | - |
dc.description.resumo | Os professores de algoritmos são responsáveis por apresentar problemas computacionais do mundo real aos seus alunos, incentivando a resolução de problemas similares. Naturalmente, isso demanda um tempo precioso dos professores, pois requer a seleção e a ordenação dos problemas. Porém, o esforço exigido por essa tarefa de organização dos problemas acaba, muitas vezes, por torná-la impraticável. Nesse cenário, encara-se essa etapa de planejamento como um processo de tomada de decisão sequencial, em que o professor é um agente responsável por monitorar as soluções submetidas pelos alunos e apresentar novos problemas. Em específico, tem-se que os professores conseguem apenas fazer suposições quanto ao ganho cognitivo proporcionado pela resolução de um determinado problema, mas não conseguem mensurá-lo com exatidão. Em virtude disso, o presente trabalho tem o objetivo de avaliar o emprego de modelos POMDP para o sequenciamento de problemas computacionais, propiciando uma forma mais ágil, dinâmica e individualizada de ensino. Como forma de avaliar o modelo proposto, são comparadas políticas de sequenciamento geradas de forma aleatória contra políticas produzidas por algoritmos específicos, tais como QMDP, FIB, SARSOP, POMCP e POMCPOW. Os resultados mostram que os algoritmos de planejamento específicos convergem para valores muito próximos em termos de recompensa descontada média. Também indicam que uma política aleatória sempre converge para um valor inferior ao dos algoritmos específicos com relação à recompensa descontada média. No que concerne ao tempo de execução, o algoritmo FIB apresenta os melhores resultados. As principais contribuições deste trabalho são o desevolvimento de um modelo capaz de representar o processo de tomada de decisões pedagógicas que pode ser empregado em Sistemas Tutores Inteligentes (STI) voltados ao aprendizado de programação; assim como a demonstração, por meio de simulação, de que algoritmos de planejamento podem ser aplicados de forma satisfatória ao sequenciamento de problemas computacionais, superando os resultados de políticas aleatórias. | por |
dc.description.abstract | Typically, algorithm teachers are responsible for presenting real-world computational problems to their students, encouraging the resolution of similar problems. This, of course, requires precious time from teachers, as it requires the selection and ordering of problems. However, the effort required by this task of organizing problems often ends up making it impractical. In this scenario, this planning stage is seen as a sequential decision-making process, in which the teacher is an agent responsible for monitoring the solutions submitted by students and presenting new problems. In particular, we have that teachers can only make assumptions about the cognitive gain provided by solving a certain problem, but they cannot measure it accurately. As a result, the present work aims to evaluate the use of POMDP models for the sequencing of computational problems, providing a more agile, dynamic and individualized form of teaching. As a way of evaluating the proposed model, randomly generated sequencing policies are compared against policies produced by specific algorithms, such as QMDP, FIB, SARSOP, POMCP and POMCPOW. The results show that the specific planning algorithms converge to very close values in terms of average discounted reward. They also indicate that a random policy always converges to a value lower than that of specific algorithms with respect to the average discounted reward. Regarding the execution time, the FIB algorithm presents the best results. The main contributions of this work are the development of a model capable of representing the pedagogical decision-making process that can be used in Intelligent Tutoring Systems (STI) aimed at learning programming; as well as the demonstration, through simulation, that planning algorithms can be applied satisfactorily to the sequencing of computational problems, surpassing the results of random policies. | eng |
dc.description.provenance | Submitted by Sheila MONTEIRO (sheila.monteiro@ufma.br) on 2022-04-27T14:04:53Z No. of bitstreams: 1 DJEFFERSON - MARANHÃO.pdf: 2467082 bytes, checksum: f1aea56190f28c8be1407ebf6abd36d7 (MD5) | eng |
dc.description.provenance | Made available in DSpace on 2022-04-27T14:04:53Z (GMT). No. of bitstreams: 1 DJEFFERSON - MARANHÃO.pdf: 2467082 bytes, checksum: f1aea56190f28c8be1407ebf6abd36d7 (MD5) Previous issue date: 2021-06-23 | eng |
dc.format | application/pdf | * |
dc.language | por | por |
dc.publisher | Universidade Federal do Maranhão | por |
dc.publisher.department | DEPARTAMENTO DE INFORMÁTICA/CCET | por |
dc.publisher.country | Brasil | por |
dc.publisher.initials | UFMA | por |
dc.publisher.program | PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO/CCET | por |
dc.rights | Acesso Aberto | por |
dc.subject | Tutoria inteligente | por |
dc.subject | Tomada de decisões | por |
dc.subject | Processos de decisão de darkov | por |
dc.subject | Algoritmos de planejamento | por |
dc.subject | Intelligent tutoring | eng |
dc.subject | Decision-making | eng |
dc.subject | Markov decision processes | eng |
dc.subject | Planning algorithms | eng |
dc.subject.cnpq | Ciência da Computação | por |
dc.title | Análise de um modelo para a tomada de decisões pedagógicas em um ambiente voltado ao aprendizado de algoritmos | por |
dc.title.alternative | Analysis of a model for decision making pedagogical practices in an environment focused on learning algorithms | eng |
dc.type | Dissertação | por |
Aparece nas coleções: | DISSERTAÇÃO DE MESTRADO - PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
DJEFFERSON - MARANHÃO.pdf | Dissertação de Mestrado | 2,41 MB | Adobe PDF | Baixar/Abrir Pré-Visualizar |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.