Modulo Especialista.

Slides:



Advertisements
Apresentações semelhantes
Modelagem computacional no ensino de Física Ives Solano Araujo Eliane Angela Veit I Encontro Estadual de Ensino de Física Novembro 2005 Instituto de Física.
Advertisements

Modelagem computacional no ensino de Física
Técnicas e Projeto de Sistemas André Mesquita Rincon Processo de Software Técnico Subsequente – Módulo III.
Técnicas e Projeto de Sistemas
CCS – Centro de Componentes Semicondutores Luiz Carlos Moreira/Jacobus W. Swart ASIC´s – Application Specific Integrated Circuits.
Exemplo de Plano de Ação
PRINCÍPIOS DE APRENDIZAGEM NA DIDÁTICA CRÍSTICA
SIMULAÇÃO E ANÁLISE DE TENSÕES RESIDUAIS TÉRMICAS EM CILINDROS Eleir Mundim Bortoleto Cristiano Fernandes Lagatta Roberto Martins de Souza.
Prof. Dr. Helder Anibal Hermini
APLICAÇÕES DA INFORMÁTICA NA PESQUISA
Prof. Dr. Helder Anibal Hermini
APLICAÇÕES DA INFORMÁTICA NO ENSINO Profa. Dra. Maria Helena Baena de Moraes Lopes.
Cecilia Rocha Ryerson University, Canada Seminário: Políticas Públicas e SAN CERESAN,Universidade Federal Fluminense (UFF) Niterói, 07/10/2010.
Engenharia de Negócios
1. Conceitos de Álgebra Booleana 2. Portas Lógicas e Inversores
Criptografia Quântica : Um Estudo
Gerência de Dados em Grades Motivação: – 1a geração de suporte a dados em Grades: ferramentas para transferência e catalogação de réplicas: Globus: GridFTP,
Os dez mandamentos para o bem planejar
SECRETARIA DA EDUCAÇÃO E CULTURA x Fechar SITUAÇÃO DIDÁTICA 12:16:33 DRE - ARAGUAÍNA.
PROPOSTA PEDAGÓGICA.
Capítulo 9 Shop floor control (SFC), Manufacturing Execution Systems (MES) e Sistema de programação da produção com capacidade finita.
Repensando a Avaliação da Aprendizagem
O Fluxo de Testes © Alexandre Vasconcelos
Aplicação de Técnica Fuzzy em SIG como alternativa para o Zoneamento Ecológico Econômico (ZEE) Maria Isabel Sobral Escada.
UNIVERSIDADE DE PASSO FUNDO
UNIVERSIDADE DE PASSO FUNDO
Ciências de Materiais I
"Tudo o que acontece, acontece em algum lugar." Gilberto Câmara - INPE Gilberto Câmara - INPE.
Controle Digital Prof. Cesar da Costa 6.a Aula – Equações às diferenças.
AUTO-ESTIMA E MOTIVAÇÃO NA RELAÇÃO PROFESSOR ALUNO.
Sistemas de Tutoria Inteligente (STI) Visam proporcionar instrução de forma adaptada a cada aprendiz. STIs adaptam o processo de instrução a determinadas.
CT-300 – Seminário de Tese 1/25 Um Framework Padrão para Simulação de Modelos de Robôs Móveis de Robôs Móveis Juliano A. Pereira Prof. Carlos H. C. Ribeiro.
Prof. Dr. J.M.O.Parente Curriculum and Instruction in Automated Tutors Henry M. Halff CT-282 – Tutores Inteligentes.
O modelo do Aprendiz Ideal
Curriculum and Instruction in Automated Tutors in Polson & Richardson Resumo.
Capitulo 3 Técnicas de Diagnóstico CT-282 Tutores Inteligentes Diego Ajukas.
Adriana da Silva Jacinto CT-282 Prof. Dr.Parente Técnicas de diagnóstico 1º semestre 2005.
01/08/20061 CT-282 Tutores Inteligentes ITA - INSTITUTO TECNOLÓGICO DE AERONÁUTICA.
Técnicas de Diagnóstico. Objetivo Caracterizar técnicas de diagnóstico para o modelo do estudante Caracterizar técnicas de diagnóstico para o modelo do.
Curriculum and Instructions in ITs. Pesquisa e Prática em Tutores Automáticos Partindo da descrição antecedente de onde a pesquisa em tutores automatizados.
17/08/06 O Módulo Especialista José Cláudio de Almeida Filho1 O Módulo Especialista INTRODUÇÃO INTRODUÇÃO Supõe -se que os Sistemas Tutores inteligentes.
01/08/20061 CT-282 Tutores Inteligentes ITA - INSTITUTO TECNOLÓGICO DE AERONÁUTICA.
01/08/20061 CT-282 Tutores Inteligentes ITA - INSTITUTO TECNOLÓGICO DE AERONÁUTICA.
23/08/06 Modelo do Aprendiz José Cláudio de Almeida Filho1 Modelo do Aprendiz Um sistema tutor inteligente, ou STI é um programa de computador que instrui.
01/08/20061 CT-282 Tutores Inteligentes ITA - INSTITUTO TECNOLÓGICO DE AERONÁUTICA.
Uma Arquitetura de Referência para Modelagem e Simulação de Fenômenos em Clima Espacial Orientador: Prof. Dr. Luiz Alberto Vieira Dias Mestrando: Francisco.
Definindo princípios norteadores para o ensino da ortografia.
Jumpers 1. O que são Jumpers
O Ensino de Probabilidade
O Ensino de Probabilidade Paulo Cezar Pinto Carvalho IMPA.
O Ensino de Probabilidade
Administração de Sistemas de Informação
Introdução à Codificação de Canal Evelio M. G. Fernández
Ewaldo Luiz de Mattos Mehl
Departamento de Engenharia Elétrica
Resolução de Sistemas Não-Lineares- Parte 1
UERJ - Agosto 2000© Oscar Luiz Monteiro de Farias1 Bancos de Dados Mestrado em Engenharia de Computação área de concentração Geomática.
CARACTERIZAÇÃO DO ENSINO MÉDIO
Recursividade Estrutura de Dados.
METODOLOGIA DE PESQUISA EM EDUCAÇÃO INTRODUÇÃO A PESQUISA ACADÊMICA Roberval Francisco de Lima SÃO ROQUE 2006.
Curso em CD-ROM Técnicas de Vendas SLIDES MODELO ALEATÓRIOS.
The Data Warehouse Toolkit
Elaboração do programa das disciplinas Curso de Atualização Pedagógica – Julho de 2010 Mediador: Adelardo Adelino Dantas de Medeiros (DCA/UFRN)
Projetos pedagógicos e o planejamento da ação docente Curso de Atualização Pedagógica – Julho de 2010 Mediador: Adelardo Adelino Dantas de Medeiros (DCA/UFRN)
LINGUAGENS DE PROGRAMAÇÃO
Baseado no documento do Prof. Ronaldo Martins da Costa
Sistemas de Informação Prof. Me. Everton C. Tetila Modelo de dados relacional Banco de Dados I.
Prof. André Laurindo Maitelli DCA-UFRN
Introdução Ciência da Computação estudo de algoritmos –ÊNFASE ao estudo de DADOS armazenamento manipulação refinamento (a partir de dados cru) estrutura.
8. Uma Função de duas Variáveis Aleatórias
Transcrição da apresentação:

Modulo Especialista

Modulo Especialista Dois lugares chave para inteligência num STI No conhecimento que o sistema possui no domínio do assunto Na aplicação desses princípios Em humanos a falha de um deles leva a ineficiência no ensino

Modulo Especialista STI  Conhecimento do domínio STI Necessitam suplementação por humanos Steamer – bom em propriedades matemáticas, deixando a desejar em operações de plantas de caldeiras

Conhecimento Como codificar este conhecimento Caixa preta(black box) Mesmo sem ter conhecimento o sistema é capaz de raciocinar sobre o domínio(resolução do problema através de modelos matemáticos) Estágios do desenvolvimento de um SE padrão Como o EH e o SE aplicam o conhecimento podem ser diferentes.

Ir um passo adiante e tornar o modulo especialista uma simulação Segundo o autor esta abordagem é essencial para produção de alta performance em STI

Por que construir STI para ensinar tarefas que SEs já executam? Necessidade de robustez(se quebra quem conserta?) Criar uma base de conhecimento a partir da qual estudantes aprofundariam suas habilidades Ensinar uma habilidade parcialmente

Black Box Model É aquele que gera comportamento correto de entrada saída em uma gama de tarefas em um domínio Dificuldade de explicar raciocínio em detalhe. Diz se estudante está certo ou não e possivelmente qual seria o certo.

EXEMPLOS SOPHIE – circuito elétrico WEST – monitora aluno enquanto joga

Glass Box Expert Systems São os gerados convencionalmente por Engenharia do Conhecimento( especialista no domínio) Regras If - then EXEMPLOS MYCIN GUIDON – usou mycin como base. Mostrou que não basta ter o conhecimento mas sim como transmití-lo

Modelo Cognitivo Objetivo – Simular a resolução de um problema em um determinado domínio tal como o ser humano o faz Dificuldade é a quantidade de detalhes que envolvem a resolução Aumento de recursos computacionais conduz à luz no fim do tunel

Conhecimento Procedural Compilando a saida especialista Model tracing

Conhecimento Declarativo

Modelo de processo Qualitativo Baseado na capacidade que temos de raciocinar e simular mentalmente sobre processos dinâmicos Estágiode desenvolvimento.