Incorporações de guias de tutorias via inferência no aprendizado on-line

• Autores: Pereira, Aluisio José; Gomes, Alex Sandro; Primo, Tiago Thompsen
• Año de publicación: 2025
• Idioma: portugués
• Tipo de recurso: artículo
• Materia: Ciencias Informáticas; embedding; tutoring guide; help requests; e-learning; Incorporação; Guia de tutoria; Pedidos de ajuda; Aprendizado on-line
• Institución: Universidad Nacional de La Plata

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.
In this article, we propose a strategy for incorporating help guides through inference to tutor students in online learning. We developed an Intelligent Tutoring System (ITS) module that integrates the work of human tutors in creating these guides. Based on tutorials conducted on an Educational Social Network (ESN) platform, these guides were embedded using Natural Language Processing (NLP) models. We employed a hybrid model, feedbackdriven by human tutors, combining human and artificial interventions. This model creates a hypothesis space to capture the semantic and contextual meaning of difficult questions, providing answers based on the prior knowledge shared by the tutors. Preliminary tests indicate that the help guides, developed by tutors during offline moments, guide the model during training, using knowledge distillation techniques for answers in online learning. The results showed that the proposed strategy provides effective tutoring, with a lower perception of complexity and high satisfaction, by personalizing the experience based on the identified tutoring needs.
Facultad de Informática