Seleção de avaliações adaptativas em sistemas gerenciadores de aprendizagem utilizando mineração de dados

Autores
Pimentel, Edson P.; Alves, Arthur S.; Lopes, Renato; Bottaro, Patrícia A.; Ikebara, Danilo M.
Año de publicación
2010
Idioma
portugués
Tipo de recurso
artículo
Estado
versión publicada
Descripción
A avaliação da aprendizagem é um dos aspectos mais relevantes e controversos no ensino presencial e esta dificuldade parece ter se transferido para os Sistemas Gerenciadores de Aprendizagem. Na grande maioria desses ambientes todos os estudantes são avaliados de maneira uniforme independente do seu nível de aquisição de conhecimentos e dos conteúdos abordados. O insucesso recorrente nessas avaliações pode ser desestimulante para o aprendiz e torna o processo de avaliação ineficaz uma vez que os resultados não são utilizados para realimentar o próprio processo de avaliação. Este artigo tem por objetivo apresentar um modelo para a seleção de avaliações adaptativas num ambiente computacional de aprendizagem utilizando técnicas de mineração de dados com base no nível de aquisição de conhecimentos do estudante em cada item do domínio em questão e também nos conteúdos abordados nas unidades de Avaliação.
Facultad de Informática
Materia
Ciencias Informáticas
Educación
Informática
Datos
Aprendizaje
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc/3.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/14199
Acceder
id SEDICI_199beb39647aa39d2441e4a720b3dff4
oai_identifier_str oai:sedici.unlp.edu.ar:10915/14199
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Seleção de avaliações adaptativas em sistemas gerenciadores de aprendizagem utilizando mineração de dadosPimentel, Edson P.Alves, Arthur S.Lopes, RenatoBottaro, Patrícia A.Ikebara, Danilo M.Ciencias InformáticasEducaciónInformáticaDatosAprendizajeA avaliação da aprendizagem é um dos aspectos mais relevantes e controversos no ensino presencial e esta dificuldade parece ter se transferido para os Sistemas Gerenciadores de Aprendizagem. Na grande maioria desses ambientes todos os estudantes são avaliados de maneira uniforme independente do seu nível de aquisição de conhecimentos e dos conteúdos abordados. O insucesso recorrente nessas avaliações pode ser desestimulante para o aprendiz e torna o processo de avaliação ineficaz uma vez que os resultados não são utilizados para realimentar o próprio processo de avaliação. Este artigo tem por objetivo apresentar um modelo para a seleção de avaliações adaptativas num ambiente computacional de aprendizagem utilizando técnicas de mineração de dados com base no nível de aquisição de conhecimentos do estudante em cada item do domínio em questão e também nos conteúdos abordados nas unidades de Avaliação.Facultad de Informática2010info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionArticulohttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfhttp://sedici.unlp.edu.ar/handle/10915/14199info:eu-repo/semantics/altIdentifier/url/http://teyet-revista.info.unlp.edu.ar/nuevo/files/No5/TEYET5-art06.pdfinfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc/3.0/Creative Commons Attribution-NonCommercial 3.0 Unported (CC BY-NC 3.0)porreponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T10:52:16Zoai:sedici.unlp.edu.ar:10915/14199Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 10:52:16.901SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Seleção de avaliações adaptativas em sistemas gerenciadores de aprendizagem utilizando mineração de dados
title Seleção de avaliações adaptativas em sistemas gerenciadores de aprendizagem utilizando mineração de dados
spellingShingle Seleção de avaliações adaptativas em sistemas gerenciadores de aprendizagem utilizando mineração de dados
Pimentel, Edson P.
Ciencias Informáticas
Educación
Informática
Datos
Aprendizaje
title_short Seleção de avaliações adaptativas em sistemas gerenciadores de aprendizagem utilizando mineração de dados
title_full Seleção de avaliações adaptativas em sistemas gerenciadores de aprendizagem utilizando mineração de dados
title_fullStr Seleção de avaliações adaptativas em sistemas gerenciadores de aprendizagem utilizando mineração de dados
title_full_unstemmed Seleção de avaliações adaptativas em sistemas gerenciadores de aprendizagem utilizando mineração de dados
title_sort Seleção de avaliações adaptativas em sistemas gerenciadores de aprendizagem utilizando mineração de dados
dc.creator.none.fl_str_mv Pimentel, Edson P.
Alves, Arthur S.
Lopes, Renato
Bottaro, Patrícia A.
Ikebara, Danilo M.
author Pimentel, Edson P.
author_facet Pimentel, Edson P.
Alves, Arthur S.
Lopes, Renato
Bottaro, Patrícia A.
Ikebara, Danilo M.
author_role author
author2 Alves, Arthur S.
Lopes, Renato
Bottaro, Patrícia A.
Ikebara, Danilo M.
author2_role author
author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Educación
Informática
Datos
Aprendizaje
topic Ciencias Informáticas
Educación
Informática
Datos
Aprendizaje
dc.description.none.fl_txt_mv A avaliação da aprendizagem é um dos aspectos mais relevantes e controversos no ensino presencial e esta dificuldade parece ter se transferido para os Sistemas Gerenciadores de Aprendizagem. Na grande maioria desses ambientes todos os estudantes são avaliados de maneira uniforme independente do seu nível de aquisição de conhecimentos e dos conteúdos abordados. O insucesso recorrente nessas avaliações pode ser desestimulante para o aprendiz e torna o processo de avaliação ineficaz uma vez que os resultados não são utilizados para realimentar o próprio processo de avaliação. Este artigo tem por objetivo apresentar um modelo para a seleção de avaliações adaptativas num ambiente computacional de aprendizagem utilizando técnicas de mineração de dados com base no nível de aquisição de conhecimentos do estudante em cada item do domínio em questão e também nos conteúdos abordados nas unidades de Avaliação.
Facultad de Informática
description A avaliação da aprendizagem é um dos aspectos mais relevantes e controversos no ensino presencial e esta dificuldade parece ter se transferido para os Sistemas Gerenciadores de Aprendizagem. Na grande maioria desses ambientes todos os estudantes são avaliados de maneira uniforme independente do seu nível de aquisição de conhecimentos e dos conteúdos abordados. O insucesso recorrente nessas avaliações pode ser desestimulante para o aprendiz e torna o processo de avaliação ineficaz uma vez que os resultados não são utilizados para realimentar o próprio processo de avaliação. Este artigo tem por objetivo apresentar um modelo para a seleção de avaliações adaptativas num ambiente computacional de aprendizagem utilizando técnicas de mineração de dados com base no nível de aquisição de conhecimentos do estudante em cada item do domínio em questão e também nos conteúdos abordados nas unidades de Avaliação.
publishDate 2010
dc.date.none.fl_str_mv 2010
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
Articulo
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/14199
url http://sedici.unlp.edu.ar/handle/10915/14199
dc.language.none.fl_str_mv por
language por
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/http://teyet-revista.info.unlp.edu.ar/nuevo/files/No5/TEYET5-art06.pdf
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc/3.0/
Creative Commons Attribution-NonCommercial 3.0 Unported (CC BY-NC 3.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc/3.0/
Creative Commons Attribution-NonCommercial 3.0 Unported (CC BY-NC 3.0)
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1844615776515915776
score 13.070432

Publicaciones similares