Linguagem e ferramenta de autoria para a meta-modelagem de aprendizes de conceitos visuais

Orientador: Alexandre Ibrahim DireneDissertação (mestrado) - Universidade Federal do Paraná, Setor de Ciências ExatasResumo: Este trabalho apresenta os formalismos de uma linguagem de autoria para a meta-modelagem de estereótipos de aprendizes que utilizam um sistema tutor inteligente destinado ao ensino de conceitos visuais. Foi feita uma revisão crítica da literatura sobre a modelagem de aprendizes e usuários em geral, seguida da consideração de aspectos do ensino de conceitos visuais, chegando até os ambientes de autoria. O conjunto de soluções adotadas neste trabalho se caracterizou pela integração de conceitos cognitivos e pela implementação de uma ferramenta de software para apoiar o processo de autoria dos meta-modelos de aprendizes. A ferramenta de software, chamada FEMEA, oferece uma linguagem de autoria, a qual permite a definição de estereótipos de aprendizes baseados na idéia de capacidades isoladas de perícia, a serem desenvolvidas pelo aprendiz ao longo de seu treinamento. O trabalho também inclui metas futuras de pesquisa.Abstract: This work presents the formalisms of an authoring language aimed at meta-modeling tasks for a learner's stereotype whose specific model is maintained by an intelligent Tutoring System that teaches visual concepts. A critical literature review is provided, including approaches to student modeling as well as to general-purpose users, followed the main aspects of visual concept tutoring, and closing with considerations on existing authoring environments and languages. The solutions adopted in this work are guided by the integration of cognitive concepts and by the implementation of a software tool that aids the authoring process of the learner meta-model. The tool, named FEMEA, offers a friendly authoring language, which allows the definition of learners' stereotypes, based on the idea of recluded capacities of expertise, to be developed during the training process. The work also provides future research directions