Redes Neurais na classificação de Estilos de Aprendizagem

Os Estilos de Aprendizagem (EAs) são padrões que indicam como o aluno assimila conhecimentos, bem como relatam o indicativo sobre a maneira mais proveitosa para obtenção, processamento e armazenamento de informações. Além disso, os EAs podem ser considerados métodos mais adequados para explicitar as maneiras de como um aluno se concentra, memoriza novas informações e recorda informações antigas [DUTSINMA et al., 2020].

A concepção de estilos de aprendizagem vem apresentando grande interesse entre os docentes, pois permite identificar especificações consistentes que auxiliam na elaboração de estratégias pedagógicas eficazes baseadas nas necessidades dos alunos, e dispõem de melhores oportunidades de ensino-aprendizagem, gerando assim, uma nova percepção ao ensino (SCHMITT et al., 2016).

A proposta tradicional para classificar os EAs envolve a resolução de questionário pelos alunos, porém essa abordagem apresenta alguns problemas. O processo de resolução do questionário torna-se enfadonho devido a grande quantidade de questões. Além disso, os alunos nem sempre se atêm a importância dos estilos de aprendizagem e na periodicidade de realizar outras avaliações para monitorá-los, pois podem ocorrer modificações no decorrer do processo de aprendizagem (EL AISSAOUI et al., 2019b).

Para solucionar tais problemas, desenvolveram-se abordagens automáticas, sendo algumas delas elaboradas por meio de Inteligência Computacional (IC), que objetivam detectar os EAs dos alunos mediante seu comportamento e sua interação com um determinado sistema. Algumas das vantagens em comparação ao método convencional é que não há perda de tempo com processo de resolução de questionários. O processo automatizado permite que todo o mapeamento dos EAs do aluno seja feito durante sua interação com o sistema. Ademais, considerando que os EAs propostos por sistemas inteligentes são dinâmicos, é possível obter resultados de predição e estes podem variar de acordo com a evolução do aluno (EL AISSAOUI et al., 2019b).

A partir da importância da concepção relacionada aos EAs dos alunos e da viabilidade das abordagens automáticas que utilizam técnicas de inteligência computacional para realizar a classificação dos EAs, este trabalho tem como objetivo entender e apresentar propostas de algoritmos de classificação/detecção para estilos de aprendizagem, usando dados de entrada (atributos) para realizar uma classificação dos estilos de aprendizagem.