Práticas pedagógicas apoiadas por recursos computacionais, especialmente aquelas que incorporam técnicas de Inteligência Artificial, podem auxiliar na predição do nível de conhecimento de estudantes em ambientes virtuais de aprendizagem. Nesse contexto, este artigo apresenta uma abordagem híbrida, baseada em Redes Bayesianas e ontologias, para tratar informações sobre o nível de conhecimento e comportamento dos estudantes e, assim, medir seu desempenho. Foi criado um modelo de estudante dinâmico, probabilístico, independente de domínio, extensível e reutilizável. Também foi apresentada uma extensão do modelo para permitir a visualização das capacidades e limitações dos estudantes. Como estudo de caso, o modelo proposto foi integrado a uma plataforma educacional, servindo de base para validação e experimentação da abordagem.
Pedagogical practices supported by computational resources, especially those that incorporate Artificial Intelligence techniques, can help predict the level of knowledge of students in virtual learning environments. In this context, this article presents a hybrid approach, based on Bayesian Networks and ontologies, to process information about students' level of knowledge and behavior and, thus, measure their performance. A dynamic, probabilistic, domain-independent, extensible and reusable student model was created. An extension of the model was also presented to allow visualization of students' capabilities and limitations. As a case study, the proposed model was integrated into an educational platform, serving as a basis for validating and experimenting with the approach.
