dc.contributor.author | Hirai, Cíntia Yumi | |
dc.date.accessioned | 2021-07-15T12:47:23Z | |
dc.date.available | 2021-07-15T12:47:23Z | |
dc.date.issued | 2021-07-02 | |
dc.identifier.citation | HIRAI, Cíntia Yumi. Machine Learning e ensino individualizado na Matemática: uma ferramenta para o professor. 2021. Dissertação (Mestrado em Ensino de Ciências Exatas) – Universidade Federal de São Carlos, São Carlos, 2021. Disponível em: https://repositorio.ufscar.br/handle/ufscar/14607. | * |
dc.identifier.uri | https://repositorio.ufscar.br/handle/ufscar/14607 | |
dc.description.abstract | This research aims to investigate how the use of Machine Learning can contribute to the teacher in the identification of the mathematical skills of the students of the three years of High School for individualized teaching proposals. The use of Machine Learning shows that we can program a machine to learn things and perform certain tasks on its own. The Orange Canvas software, which uses Machine Learning tools, identifies the student's profile according to Bloom's Taxonomy. Bloom's taxonomy or educational taxonomy aims to contribute to the teaching process as well as to guide the evaluation procedures. This is a practical tool for evaluating individual performance, which we used in the current research to identify the students' skills in three domains: cognitive, affective, and psychomotor. The research was exploratory and had a qualitative approach, in which the modality of case study was chosen, where we collected the data through online questionnaires made for a group of high school students, who were being tutored by the researcher. The data collection was carried out in two stages, the first one for the machine to start its calibration, and the second one for the machine to identify the students' skills and, thus, easily determine which instruments, methods, and techniques we should use for students, to classify educational behaviors and help with planning, organizing, and managing learning objectives. We observed that the use of Machine Learning on the Orange Canvas greatly helped the researcher to identify the needs of the students, providing her the opportunity to prepare activities suitable for the development of the skills of each student. Based on the current study, if the researcher had not used Machine Learning on the Orange Canvas, she would have to apply a diagnostic test to manually classify each student and discover their individual needs, concluding this technology can be a useful tool for teachers in the elaboration of activities for individualized teaching. | eng |
dc.description.sponsorship | Não recebi financiamento | por |
dc.language.iso | por | por |
dc.publisher | Universidade Federal de São Carlos | por |
dc.rights | Attribution-NonCommercial-NoDerivs 3.0 Brazil | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | * |
dc.subject | Ensino de Matemática | por |
dc.subject | Taxonomia de Bloom | por |
dc.subject | Machine Learning | eng |
dc.subject | Mathematics teaching | eng |
dc.subject | Bloom's Taxonomy | eng |
dc.title | Machine Learning e ensino individualizado na Matemática: uma ferramenta para o professor | por |
dc.title.alternative | Machine Learning and individualized teaching in Mathematics: a tool for the teacher | eng |
dc.type | Dissertação | por |
dc.contributor.advisor1 | Pires, Rogério Fernando | |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/2795801064535157 | por |
dc.description.resumo | Esta pesquisa tem por objetivo investigar as contribuições que a utilização do Machine Learning pode trazer ao professor na identificação das habilidades matemáticas dos estudantes dos três anos do Ensino Médio para elaboração de propostas de ensino individualizado. O Machine Learning ou “Aprendizado de Máquina” mostra que podemos ensinar uma máquina a aprender coisas e realizar determinadas tarefas sozinha. O software Orange Canvas, que utiliza ferramentas de Machine Learning, identifica o perfil do aluno de acordo com a Taxonomia de Bloom. A Taxonomia de Bloom ou taxonomia educacional tem por objetivo contribuir para o processo de ensino e guiar os procedimentos avaliativos. Esta é uma ferramenta prática de avaliação de performance individual, que utilizamos nesta pesquisa para identificar as habilidades dos alunos nos três domínios: cognitivo, afetivo e psicomotor. A pesquisa foi exploratória e teve uma abordagem qualitativa, na qual foi escolhida a modalidade de estudo de caso, coletamos os dados por meio de questionários online feitos para um grupo de alunos do Ensino Médio, que são alunos particulares da pesquisadora. A coleta foi realizada em duas etapas, sendo a primeira apenas para a máquina iniciar seu aprendizado, e a segunda para a máquina identificar as habilidades dos alunos, e assim, determinar com mais facilidade quais instrumentos, métodos e técnicas que devemos utilizar com os alunos, a fim de classificar os comportamentos educacionais e ajudar no planejamento, na organização e no controle dos objetivos de aprendizagem. Vemos que o uso do Machine Learning no Orange Canvas contribuiu na identificação das necessidades dos alunos pela pesquisadora, proporcionando-a oportunidade de preparar atividades adequadas para o desenvolvimento das habilidades de cada aluno. Baseado nessa pesquisa, se a pesquisadora não tivesse utilizado o Machine Learning no Orange Canvas, ela teria que aplicar uma prova diagnóstica para classificar manualmente cada aluno e identificar a necessidade de cada um, assim ficando evidente que a tecnologia pode ser uma ferramenta útil para o professor na elaboração de atividades para o ensino individualizado. | por |
dc.publisher.initials | UFSCar | por |
dc.publisher.program | Programa de Pós-Graduação em Ensino de Ciências Exatas - PPGECE | por |
dc.subject.cnpq | CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | por |
dc.subject.cnpq | CIENCIAS EXATAS E DA TERRA::MATEMATICA | por |
dc.subject.cnpq | CIENCIAS HUMANAS::EDUCACAO::ENSINO-APRENDIZAGEM | por |
dc.subject.cnpq | CIENCIAS HUMANAS::EDUCACAO::ENSINO-APRENDIZAGEM::TECNOLOGIA EDUCACIONAL | por |
dc.publisher.address | Câmpus São Carlos | por |
dc.contributor.authorlattes | http://lattes.cnpq.br/0253928817330212 | por |