@MASTERSTHESIS{ 2020:140680151,
 	title = {Análise da curva de aprendizagem de alunos e capacidade preditiva de modelos no ensino da programação},
 	year = {2020},
 	url = "https://tedebc.ufma.br/jspui/handle/tede/tede/3154",
 	abstract = "Aprender algoritmos requer o conhecimento de fundamentos como abstração, decomposição
 e identificação de padrões. O processo de aprendizagem é modular com etapas que são bem
 definidas e pré-requisitos uma das outras, o que faz com que seja difícil para o professor
 identificar as necessidades do aluno. Além disso, a correção manual das tarefas dos alunos
 acaba sendo proibitiva do ponto de vista do tempo para os professores. Estes problemas
 são maximizados ao se ter uma turma com muitos alunos. Uma alternativa para amenizar
 tais problemas é o uso de Sistemas Tutores Inteligentes. A modelagem e predição do
 conhecimento é parte fundamental de um tutor inteligente, visto que é através dessas
 informações que o tutor toma suas decisões e adapta o ensino dos alunos. Este trabalho
 propõe-se a apresentar uma análise qualitativa entre os modelos de conhecimento de alunos
 no domínio da programação visando identificar as melhores abordagens para a modelagem
 e as peculiaridades do domínio. Uma das contribuições deste trabalho foi a coleta de dados
 no domínio da programação para a criação da base de dados COSMODS. Além disso, foi
 feita uma análise da curva de aprendizagem e capacidade preditiva dos modelos gerados
 através da metodologia proposta. A análise mostrou que os erros de compilação influenciam
 diretamente na representação do conhecimento dos alunos e capacidade preditiva dos
 modelos. Por fim, foi feita uma discussão dos impactos que os erros de compilação têm
 sobre os modelos gerados.",
 	publisher = {Universidade Federal do Maranhão},
 	scholl = {PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO/CCET},
 	note = {DEPARTAMENTO DE INFORMÁTICA/CCET}
}