Using mutation analysis to identify erros in mathematical problem solving

dc.contributor.advisorAranha, Eduardo Henrique da Silva
dc.contributor.advisorLatteshttp://lattes.cnpq.br/9520477461031645pt_BR
dc.contributor.authorSantana, Alan de Oliveira
dc.contributor.authorLatteshttp://lattes.cnpq.br/7875175032115307pt_BR
dc.contributor.referees1Lucena, Márcia Jacyntha Nunes Rodrigues
dc.contributor.referees2Coelho, Roberta de Souza
dc.contributor.referees3Fernandes, Kleber Tavares
dc.contributor.referees4Silva, Thiago Reis da
dc.date.accessioned2024-10-30T22:35:25Z
dc.date.available2024-10-30T22:35:25Z
dc.date.issued2024-03-25
dc.description.resumoA aprendizagem de matemática pode ser um grande desafio para estudantes ao redor do mundo. As dificuldades encontradas por estes estudantes variam, como falta de atenção, problemas metodológicos, não domínio de conteúdos prévios, dificuldades na leitura, problemas pessoais, entre outros. Mesmo sendo complexos, estas dificuldades geralmente se manifestam em erros pontuais na resolução de questões matemáticas, permitindo a especialistas identificá-los e associá-los a prováveis causas. Neste contexto, se destacam os erros comuns, como trocas de operadores, erros de arredondamento, resultados equivocados de operações, entre outros. Estes erros podem ser mapeados e generalizados, uma vez que são parte integrante das soluções realizadas pelos alunos. Assim, sistemas inteligentes, como os STI (Sistemas Tutores Inteligentes), podem ser desenvolvidos para atuar sobre essas dificuldades, identificando os erros e gerando feedbacks para professores e aos próprios estudantes. Com base no exposto, este trabalho tem por objetivo propor um modelo de generalização de erros comuns para ser aplicado a identificação passo a passo da origem dos erros e para tanto, o modelo utilizará o conceito de mutantes, a fim de gerar distratores que serviram como parâmetro para identificar a origem dos problemas. A fim de levantar os dados pertinentes para este estudo, alguns estudos procuraram levantar os dados relevantes para a modelagem dos mutantes, começando com a avaliação do estado da arte dos STI aplicados a matemática no cenário brasileiro e internacional e em seguida estudos exploratórios sobre os erros comuns que podem ser mapeados para a geração do modelo de mutações. A seguir, é realizada a apresentação da modelagem dos mutantes e também a descrição da arquitetura do STI para a matemática, bem como de estudos que procuram validá-la. As principais hipóteses de pesquisa apontam que o uso da modelagem de mutantes aplicadas a matemática através de um STI permite uma maior dinamicidade na criação de cenários de erros, além de poderem ser associados a problemas que vão além da análise da prova. Outra hipótese é que os feedbacks baseados em distratores gerados pelo modelo de mutações associado a analise passo a passo das respostas dos alunos, permitem um maior detalhe do local do erro, facilitando a geração de feedbacks a partir do STI.pt_BR
dc.identifier.citationSANTANA, Alan de Oliveira. Using mutation analysis to identify erros in mathematical problem solving. Orientador: Dr. Eduardo Henrique da Silva Aranha. 2024. 197f. Tese (Doutorado em Ciência da Computação) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2024.pt_BR
dc.identifier.urihttps://repositorio.ufrn.br/handle/123456789/60465
dc.languagept_BRpt_BR
dc.publisherUniversidade Federal do Rio Grande do Nortept_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.initialsUFRNpt_BR
dc.publisher.programPROGRAMA DE PÓS-GRADUAÇÃO EM SISTEMAS E COMPUTAÇÃOpt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectComputaçãopt_BR
dc.subjectMutantspt_BR
dc.subjectDistractorspt_BR
dc.subjectMathematicspt_BR
dc.subjectInteligente Tutoring System (ITS)pt_BR
dc.subjectErrorspt_BR
dc.subjectDifficultiespt_BR
dc.subjectStepby-steppt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAOpt_BR
dc.titleUsing mutation analysis to identify erros in mathematical problem solvingpt_BR
dc.typedoctoralThesispt_BR

Arquivos

Pacote Original

Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
Usingmutationanalysis_Santana_2024.pdf
Tamanho:
34.23 MB
Formato:
Adobe Portable Document Format
Nenhuma Miniatura disponível
Baixar