Próximos SlideShares
Carregando em…5
×

# Um sistema f uzzy para geração de tarefas de ensino de leitura e escrita em um jogo digital

337 visualizações

Apresentação referente a defesa de mestrado do Adalberto Bosco Castro Pereira

0 comentários
0 gostaram
Estatísticas
Notas
• Full Name
Comment goes here.

Are you sure you want to Yes No
Your message goes here
• Seja o primeiro a comentar

• Seja a primeira pessoa a gostar disto

Visualizações
Visualizações totais
337
No SlideShare
0
A partir de incorporações
0
Número de incorporações
10
Ações
Compartilhamentos
0
5
Comentários
0
Gostaram
0
Incorporações 0
Nenhuma incorporação

Nenhuma nota no slide
• In the figure below we see the ML input variables that will be fuzzyfied.
( Ler variaveis do slide)
• To illustrate, here is a case of activation of the task type of a new task to be created. The variable probability and Hit Rate of the task type are fuzzified, hence submitted to fuzzy inference. (ler slide) depois de ler falar: It is thus generated an activation for each Task type.
• We have here the output variables for each feature of the new task. (ler tabela)

The fuzzy system will generate a task containing the task type AB, BC or CB, from the variable output DTT. a number of N comparisons, from the variable output DNC. and N incorrect words, from the variable output DPI.
• There is no need, in this work, to defuzzify the output variables because we need only choose activation that had the highest degree of activation and greater degree of pertinence. It grants us that the best decision for each feature to generate a new task.

Talvez não precise deste texto abaixo.
(To explain how they will be making a decision, in the previous example,the task type that has an activation assigned as Highest is chosen as the best choice for the new type of task, if more than one type of task to be chosen as equal value, then to break ties, should be selected what has the highest degree of pertinence.)

• ### Um sistema f uzzy para geração de tarefas de ensino de leitura e escrita em um jogo digital

1. 1. adalbertobosco@gmail.com Adalberto Bosco C. Pereira Dionne C. Monteiro Laboratory of Applied Artificial Intelligence (LAAI) – Institute of Exact and Natural Sciences – Federal University (UFPA)
2. 2. Agenda  INTRODUÇÃO  ESTADO DA ARTE  PROPOSTA ABORDADA  RESULTADOS  CONCLUSÃO  REFÊRENCIAS LAAI - UFPA
3. 3. INTRODUÇÃO  Ensino de leitura e escrita.  Aprendendo a Ler e a Escrever em Pequenos Passos (ALEPP)  Gerenciador de Ensino Individualizado por Computador (GEIC)  Problema Motivacional do programa de ensino  Gamefication  ALE-RPG  Gerador de Tarefas de Ensino (GTE) LAAI - UFPA
5. 5. Estado da Arte  Jogos Digitais  Jogos Digitais Educacionais  Inteligência Artificial para Educação (AIED)  A educação auxiliada por meio computacional  Computer-Based Training (CBT)  Computer Assisted Instructional (CAI)  Os sistemas CAI e CBT não apresentavam instruções adaptadas as necessidades dos seus usuários LAAI - UFPA
6. 6. Inteligência Artificial para Educação (AIED)  É uma nova metodologia de assimilação do conhecimento.  Baseada na ciência cognitiva constituída da congregação de outras disciplinas como:  psicologia  neurociências  linguística  filosofia  inteligência artificial
7. 7. Estado da Arte  Análise do Comportamento  psicologia experimental cognitiva  busca ser uma ferramenta para o objeto de estudo da psicologia  favorecer excepcionalmente no processo de ensino
8. 8. Representação de tipo de estímulos com e suas respectivas Letras Representação do tipo do estimulo Tipo de Estimulo A Palavra Ditada. Por exemplo: pode ser ditada por um professor ou por meios tecnológicos como um computador através de sons emitidos. B Figura. C Palavra escrita. Por exemplo: é uma palavra escrita textualmente e apresentada por uma tela de computador ou um quadro negro. D Falar ou Sinalizar. É uma resposta dada pelo individuo. Significa ele falar em voz clara identificando o texto, som ou figura. Pode também apontar ou selecionar através do mouse o estimulo em questão. E Escrever. O individuo digita, escreve ou compõem o estimulo que foi apresentado a ele.
9. 9. PROGRAMA DE ENSINO  “Aprendendo a Ler e a Escrever em Pequenos Passos” (ALEPP)  Tarefas de emparelhamento com o modelo (Matching to Sample - MTS)  Tarefas de construção de resposta (Constructed Response Matching to Sample - CRMTS) LAAI - UFPA
10. 10. Exemplo de tarefa de ensino do GEIC AB CB BC
11. 11. Trabalhos Relacionados  Jogo  Dormans  Ponto Forte  Gera fases e missões.  Ponto Fraco  Não realiza o processo análise sobre o jogador.  Não gera missões adaptáveis.
12. 12. Trabalhos Relacionados  Jogo  ALE-RPG  Ponto Forte  Possuem Interface de fácil interação.  Passou por teste de usabilidade.  Ponto Fraco  Não ocorre diversificação das tarefas de jogo.  Não realiza o processo de aprendizagem e avaliação de leitura dentro do jogo.  Não possui mecanismos de feedback apropriado.
13. 13. Trabalhos Relacionados  Jogo  HEIKKI  Ponto Forte  Possuem Interface de fácil interação.  Passou por teste de usabilidade.  Contem vários mini-games diferentes e divertidos.  Ponto Fraco  Não realiza o processo de aprendizagem e avaliação de leitura dentro do jogo.  Não possui mecanismos de feedback apropriado.
14. 14. Trabalhos Relacionados  Jogo  Loiacono  Ponto Forte  Gera pistas de um jogo de corrida.  Gera tipos diferentes de pistas para diferentes perfis de velocidade.  Ponto Fraco  Não pode ser gerado em tempo real.
15. 15. Trabalhos Relacionados  Jogo  Smith  Ponto Forte  Gera espaços voltados para mini-jogos.  Gera a mecânica para o espaço gerado anteriormente.  Ponto Fraco  Não garante jogabilidade.  Apresenta problemas ao gerar as fases do jogo.
16. 16. Trabalhos Relacionados  Jogo  Mawhorter  Ponto Forte  Gera espaços para formar uma fase do jogo.  Ponto Fraco  Não garante jogabilidade  Necessita de uma biblioteca com os pedaços da fase.
17. 17. Trabalhos Relacionados  Jogo  Togelius  Ponto Forte  Gera mapas de um jogo específico.  Visa garantir o entretenimento.  Garante a jogabilidade.  Ponto Fraco  Não pode ser gerado em tempo real.
18. 18. Trabalhos Relacionados  Jogo  Miguel  Ponto Forte  Gera terrenos 3D de escala invariante.  Ponto Fraco  Não pode ser gerado em tempo real.  Alto custo computacional.
19. 19. ALE-RPG LAAI - UFPA
20. 20. Proposta Abordada LAAI - UFPA
21. 21. Sistema IA-Jogo
22. 22. MÁQUINA DE APRENDIZADO  O objetivo da máquina de aprendizado é avaliar o grau de aprendizagem da leitura e escrita do aluno em palavras individuais durante uma sessão de ensino.  Para isso é necessário definir os graus de dificuldade de uma tarefa de ensino.  Estrutura de uma tarefa de ensino.
23. 23. SISTEMA FUZZY LAAI - UFPA
24. 24. Variáveis de Entrada  PTT: Probabilidade de acerto com determinada tarefa.  TTT: Taxa de acerto com determinada tarefa.  PNC: Probabilidade de acerto com determinado número de comparações.  TNC: Taxa de acerto com determinado número de comparações.  PPI: Probabilidade de acerto com determina palavra incorreta.  TPI: Taxa de acerto com determinada palavra incorreta. LAAI - UFPA
25. 25. Inferência Fuzzy  Exemplo: “SE Probabilidade do tipo de tarefa BC É Baixo (pertinência de 85%) E Taxa de acerto deste Tipo de Tarefa é Alto (pertinência de 63%), ENTÃO, a necessidade da nova tarefa ser do tipo BC é Médio (pertinência de 74%)” LAAI - UFPA
26. 26. Inferência Fuzzy  Variáveis de saída:  DTT: Necessidade do tipo de tarefa.  DNC: Necessidade do número de comparações.  DPI: Necessidade da palavra incorreta. LAAI - UFPA
27. 27. Defuzzification  Defuzzification não necessária.  Tomada de decisão.  Maior grau de ativação e maior grau de pertinência. LAAI - UFPA
28. 28. Protótipo do Jogo  Estória do jogo  Amaru  Explorador Espacial  Urama  Ajudante do Amaru  Problemas com sua nave espacial obriga a realização de um pouso forçado no planeta Terra.  O objetivo do Amaru: Aprender a ler e escrever para reparar sua nave e prosseguir com sua viagem interplanetária
29. 29. Gameplay LAAI - UFPA