Agrupamento de padrões de caminhos em treinamento virtual: uma análise de similaridades

Autores

  • Alexandre Pereira de Faria PPGMNE/UFPR
  • Klaus de Geus PPGMNE/UFPR
  • Sérgio Scheer PPGMNE/UFPR

DOI:

https://doi.org/10.5540/03.2021.008.01.0351

Palavras-chave:

Análise de Agrupamento, Similaridade de Grafos, Mineração de Dados Educacionais

Resumo

Em sistemas virtuais de treinamento os mecanismos de rastreamento das interações dos usuários geram um conjunto de dados a partir dos quais  é possível avaliar a execução das tarefas instrucionais  e  inferir  o  estado  de  conhecimento  do  aprendiz.   A  representação  das  tarefas  como grafos permite o mapeamento da sua ordem de execução e compara ̧c ̃ao com a uma sequência esperada.  Este trabalho tem como objetivo analisar os m ́etodos de agrupamentos destes grafos a partir de dados de intera ̧c ̃ao em um sistema virtual de treinamento profissional para atividades de linha viva em subestações elétricas.  Foram realizados estudos com diferentes definições de similaridade de grafos.  Ao final s ̃ao apontadas aquelas com as quais se obtiveram os melhores agrupamentos com destaque para aquelas derivadas das distâncias matriciais.

Downloads

Não há dados estatísticos.

Referências

Hao, J., Shu, Z., von Davier, A. Analyzing Process Data from Game/Scenario-BasedTasks: An Edit Distance Approach. Journal of Educational Data Mining, 7(1), 33-50, 2015.https://doi.org/10.5281/zenodo.3554705

Klein, D.J. and Randi ́c, M. Resistance distance. J Math Chem 12, 81–95, 1993.https://doi.org/10.1007/BF01164627

Koutra, D., Faloutsos, C., Han, J., Getoor, L., Wang, W. and Gehrke J. Individual andCollective Graph Mining: Principles, Algorithms, and Applications , Morgan Claypool, 2017.https://doi.org/10.2200/S00796ED1V01Y201708DMK014

Sottilare, R., Graesser, A., Hu, X., Olney, A., Nye, B. and Sinatra, A. Design Recommenda-tions for Intelligent Tutoring Systems: Volume 4-Domain Modeling., 2016

Tan, P., Steinbach, M. and Kumar, V. Introdu ̧c ̃ao ao Data Mining: minera ̧c ̃ao de dados.Ciˆencia Moderna, Rio de Janeiro, 2009. 900 p. ISBN 9788573937619.

Tantardini, M., Ieva, F., Tajoli, L. et al. Comparing methods for comparing networks. Sci Rep9, 17557 (2019). https://doi.org/10.1038/s41598-019-53708-y

Wills, P. and Meyer, F.G. Metrics for graph comparison: A practitioner’s guide. PLoS ONE15(2): e0228728. 2020. doi:10.1371/journal.pone.0228728

Zager, L. A. and Verghese, J. C. Graph similarity scoring and matching, AppliedMathematics Letters, Volume 21, Issue 1, Pages 86-94, , 2008. ISSN 0893-9659,https://doi.org/10.1016/j.aml.2007.01.006.

Downloads

Publicado

2021-12-20

Edição

Seção

Trabalhos Completos