Incorporações de Guias de Tutorias via Inferência no Aprendizado On-line

Autores/as

DOI:

https://doi.org/10.24215/18509959.42.e8

Palabras clave:

Incorporação, Guia de tutoria, Pedidos de ajuda, Aprendizado on-line

Resumen

Neste artigo, propomos uma estratégia para incorporar guias de ajuda, via inferência, em tutoria de estudantes no aprendizado on-line. Desenvolvemos um módulo de Sistema de Tutoria Inteligente (STI) que integra a atuação de tutores humanos na construção desses guias. Esses guias, baseados em tutorias realizadas sobre o uso de uma plataforma de Rede Social Educativa (RSE), foram incorporados por meio de modelos de Processamento de Linguagem Natural (PLN). Utilizamos um modelo híbrido, retroalimentado por tutores humanos, que combina intervenções humanas e artificiais. Esse modelo gera um espaço de hipóteses para capturar o significado semântico e contextual de perguntas difíceis, oferecendo respostas com base no conhecimento prévio dos tutores. Testes preliminares indicam que os guias de ajuda, desenvolvidos por tutores em momentos off-line, orientam o modelo durante o treinamento, utilizando técnicas de destilação de conhecimento para respostas no aprendizado on-line. Os resultados demonstraram que a estratégia proposta oferece tutorias efetivas, com menor percepção de complexidade e alta satisfação, ao personalizar a experiência com base nas necessidades de tutoria identificadas.

Descargas

Los datos de descarga aún no están disponibles.

Biografía del autor/a

  • Aluisio José Pereira, Universidade Federal de Pernambuco, Recife - PE, Brasil

    Aluno de doutorado do Centro de Informática (CIn) da Universidade Federal de Pernambuco (UFPE) com área de pesquisa relacionado a Tecnologias Educacionais e especificamente Sistemas de Tutoria Inteligentes.

  • Alex Sandro Gomes, Universidade Federal de Pernambuco, Recife - PE, Brasil

    Professor do CIn/UFPE, Pesquisador Associado do Conselho Brasileiro de Desenvolvimento Científico e Tecnológico. Pesquisa qualitativa do comportamento humano e tecnologia de aprendizado

  • Tiago Thompsen Primo, Universidade Federal de Pelotas, Pelotas - RS, Brasil

    Professor da Universidade Federal de Pelotas (UFPel), e atua em pesquisas que incluem aprendizado aprimorado por tecnologia, sistemas de recomendação, representação de conhecimento e aprendizado ao longo da vida.

Referencias

[1] D. R. S. Mill, L. R. C. Ribeiro, and M. R. G. de Oliveira, Polidocência na educação a distância: múltiplos enfoques. São Carlos, Brazil: SciELO–EdUFSCar, 2010.

[2] S. Kim et al., “FloWaveNet: A generative flow for raw audio,” arXiv preprint, arXiv:1811.02155, 2018. doi: 10.48550/arXiv.1811.02155.

[3] C. H. Wan, S. P. Chuang, and H. Y. Lee, “Towards audio-to-scene image synthesis using generative adversarial networks,” in Proc. IEEE Int. Conf. on Acoustics, Speech and Signal Processing (ICASSP), 2019, pp. 496–500, doi: 10.1109/ICASSP.2019.8682383.

[4] R. Huang et al., “Make-an-audio: Text-to-audio generation with prompt-enhanced diffusion models,” in Proc. Int. Conf. on Machine Learning (ICML), PMLR, 2023, pp. 13916–13932. [Online]. Available: https://proceedings.mlr.press/v202/huang23i.html

[5] T. B. Brown et al., “Language models are few-shot learners,” Advances in Neural Information Processing Systems, vol. 33, 2020, doi: 10.48550/arXiv.2005.14165.

[6] L. Ouyang et al., “Training language models to follow instructions with human feedback,” Advances in Neural Information Processing Systems, vol. 35, pp. 27730–27744, 2022, doi: 10.48550/arXiv.2203.02155.

[7] B. Roziere et al., “Code LLaMA: Open foundation models for code,” arXiv preprint, arXiv:2308.12950, 2023, doi: 10.48550/arXiv.2308.12950.

[8] Gemini Team et al., “Gemini: A family of highly capable multimodal models,” arXiv preprint, arXiv:2312.11805, 2023, doi: 10.48550/arXiv.2312.11805.

[9] A. J. Pereira et al., “Identificação e caracterização de níveis de interação no ensino remoto de emergência na educação básica,” in Proc. XXXII Simpósio Brasileiro de Informática na Educação (SBIE), SBC, 2021, pp. 145–156, doi: 10.5753/sbie.2021.218498.

[10] A. J. Pereira, A. S. Gomes, and T. T. Primo, “Design de sistema de recomendação educacional: abordagens com Mágico de Oz,” in Proc. XXXIII Simpósio Brasileiro de Informática na Educação (SBIE), SBC, 2022, pp. 1184–1195, doi: 10.5753/sbie.2022.225760.

[11] A. J. Pereira et al., “Learning mediated by social network for education in K–12: Levels of interaction, strategies, and difficulties,” Education Sciences, vol. 13, no. 2, p. 100, 2023, doi: 10.3390/educsci13020100.

[12] A. J. Pereira, A. S. Gomes, and T. T. Primo, “Desvendando a resistência e as estratégias dos tutores humanos para engajar estudantes no aprendizado online,” Cadernos de Educação Tecnologia e Sociedade, vol. 16, no. 3, pp. 551–566, 2023, doi: 10.14571/brajets.v16.n3.551-566.

[13] A. J. Pereira, A. S. Gomes, and T. T. Primo, “Uma abordagem de sistema de tutoria inteligente para cooperação com a atuação de tutores humanos,” RENOTE, vol. 21, no. 2, pp. 208–219, 2023. [Online]. Available: https://seer.ufrgs.br/index.php/renote/article/view/137742

[14] A. J. Pereira, A. S. Gomes, and T. T. Primo, “Funcionalidades emergentes para tutorias em ambientes virtuais de aprendizagem,” Revista Iberoamericana de Tecnología en Educación y Educación en Tecnología, 2024, doi: 10.24215/18509959.38.e6.

[15] A. J. Pereira et al., “Anticipating tutoring demands based on students’ difficulties in online learning,” in Learning and Collaboration Technologies, P. Zaphiris and A. Ioannou, Eds., Lecture Notes in Computer Science, vol. 14724. Cham, Switzerland: Springer, 2024, doi: 10.1007/978-3-031-61691-4_21.

[16] G. Team et al., “Gemma: Open models based on Gemini research and technology,” arXiv preprint, arXiv:2403.08295, 2024, doi: 10.48550/arXiv.2403.08295.

[17] L. Yang et al., “Advancing multimodal medical capabilities of Gemini,” arXiv preprint, arXiv:2405.03162, 2024, doi: 10.48550/arXiv.2405.03162.

[18] D. Jurafsky and J. H. Martin, Speech and Language Processing: An Introduction to Natural Language Processing, Computational Linguistics, and Speech Recognition with Language Models, 3rd ed., online manuscript, Aug. 20, 2024, ch. 6, pp. 10–11. [Online]. Available: https://web.stanford.edu/~jurafsky/slp3

[19] C. Wohlin et al., Experimentation in Software Engineering. Berlin, Germany: Springer, 2012.

[20] H. N. M. Ferreira et al., “An automatic and dynamic student modeling approach for adaptive and intelligent educational systems using ontologies and Bayesian networks,” in Proc. IEEE 28th Int. Conf. on Tools with Artificial Intelligence (ICTAI), 2016, pp. 738–745, doi: 10.1109/ICTAI.2016.0116.

[21] W. H. Kruskal and W. A. Wallis, “Use of ranks in one-criterion variance analysis,” Journal of the American Statistical Association, vol. 47, no. 260, pp. 583–621, 1952, doi: 10.1080/01621459.1952.10483441.

[22] Y. Chaiyo and R. Nokham, “The effect of Kahoot, Quizizz and Google Forms on the student’s perception in the classroom response system,” in Proc. Int. Conf. on Digital Arts, Media and Technology (ICDAMT), IEEE, 2017, pp. 178–182, doi: 10.1109/ICDAMT.2017.7904957.

[23] O. M. Ladosha, “Dynamics of student performance in a foreign language from the perspective of the transition to distance learning (statistical analysis),” in Proc. VI Int. Conf. on Information Technologies in Engineering Education (Inforino), IEEE, 2022, pp. 1–5, doi: 10.1109/Inforino53888.2022.9782984.

[24] H. Osawa, “Human–agent interaction as augmentation of social intelligence,” Artificial Life and Robotics, vol. 28, no. 2, pp. 273–281, 2023, doi: 10.1007/s10015-023-00874-y.

Publicado

2025-12-22

Número

Sección

Artículos originales

Cómo citar

[1]
“Incorporações de Guias de Tutorias via Inferência no Aprendizado On-line”, TEyET, no. 42, p. e8, Dec. 2025, doi: 10.24215/18509959.42.e8.