Avaliação automática da qualidade de recursos educacionais abertos usando métodos de Processamento de Línguas Naturais (2021)
- Authors:
- Autor USP: GAZZOLA, MURILO GLEYSON - ICMC
- Unidade: ICMC
- Sigla do Departamento: SCC
- Subjects: PROCESSAMENTO DE LINGUAGEM NATURAL; APRENDIZADO COMPUTACIONAL; ANÁLISE FATORIAL; LINGUÍSTICA COMPUTACIONAL
- Keywords: Complexidade Textual; Deep learning; Deep learning; Multi-task learning; Multi-task learning; Natural language processing; Readability
- Agências de fomento:
- Language: Português
- Abstract: Contexto: A expansão do acesso à banda larga no mundo está abrindo novos caminhos para o ensino, os quais podemos destacar o ensino aberto. A UNESCO em seu relatório anual de 2016 destacou que existem fortes interesses em incentivar a utilização de recursos educacionais abertos (REA) no campo de aprendizagem. Porém, a falta de qualidade dos REA é um desafio a ser superado. Em uma recolha na Plataforma Integrada do Ministério da Educação (MEC-RED) de maio de 2018, 41% dos recursos não possuíam classificação da etapa de ensino, dificultando sua busca, uso e edição. A literatura mais recente em avaliação automática da complexidade textual traz três grandes abordagens para essa tarefa: (i) uso de técnicas estatísticas como a Análise de Componentes Principais e a Análise Fatorial para reduzir um grande número de métricas linguísticas em poucas dimensões explicativas da complexidade textual; (ii) a abordagem de aprendizado de máquina, via construção de classificadores ou regressores, muitas vezes com o uso de métodos de seleção de features ou com avaliação da contribuição de conjuntos de features para a tarefa; e (iii) a abordagem de Deep Learning, que usa arquiteturas neurais com diversas características para evitar o uso de engenharia de features. Lacunas: Na avaliação automática da complexidade textual, até onde sabemos, não há trabalhos que aplicaram a abordagem Multi-task Learning com o propósito de construir um preditor de complexidade textual, e na avaliação da qualidade demetadados de REA a abordagem Deep Learning não havia sido explorada antes desta pesquisa. Proposta: A tarefa Complexidade Textual pode ajudar a identificar textos que tem complexidade linguística adequada a séries específicas, permitindo completar a etapa de ensino na MEC-RED. Avaliamos o impacto do gênero textual na avaliação da complexidade textual, com modelos treinados em um grande córpus de textos didáticos e testados em 2 datasets de REA da MEC-RED. Para REA que não possuem material textual, como vídeos e áudios, propusemos a avaliação de sua qualidade via título e resumo. Métodos de Avaliação: Para a avaliação em geral, foram usadas métricas comuns da área de Processamento de Línguas Naturais (PLN). Resultados: Como resultados, propusemos dois métodos de classificação da qualidade dos metadados de REA, usando Deep Learning (DeepMD e DeepMDX); além de uma larga avaliação da complexidade textual de REA no Português Brasileiro. Nesta última, usamos várias abordagens, incluindo Multi-task Learning, que não havia sido testada anteriormente, em duas arquiteturas (MTC-DTG Simplex e MTC-DTG). O melhor resultado para a classificação da qualidade de metadados, utilizando um dataset com 1.179 título/resumo de REA, foi de 0.98% de medida F, tanto com o modelo DeepMD como com o DeepMDX. Na avaliação da complexidade textual, podemos destacar o desempenho do modelo multi-task learning com duas tarefas auxiliares (MTC-DTG) que obteve 0.95% de medida F, o que trouxe uma melhoria de 0.15 pontos no melhor modelo de aprendizado de máquina tradicional (SVM).
- Imprenta:
- Publisher place: São Carlos
- Date published: 2021
- Data da defesa: 09.02.2021
-
ABNT
GAZZOLA, Murilo Gleyson. Avaliação automática da qualidade de recursos educacionais abertos usando métodos de Processamento de Línguas Naturais. 2021. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2021. Disponível em: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-07042021-133413/. Acesso em: 02 jun. 2024. -
APA
Gazzola, M. G. (2021). Avaliação automática da qualidade de recursos educacionais abertos usando métodos de Processamento de Línguas Naturais (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/55/55134/tde-07042021-133413/ -
NLM
Gazzola MG. Avaliação automática da qualidade de recursos educacionais abertos usando métodos de Processamento de Línguas Naturais [Internet]. 2021 ;[citado 2024 jun. 02 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-07042021-133413/ -
Vancouver
Gazzola MG. Avaliação automática da qualidade de recursos educacionais abertos usando métodos de Processamento de Línguas Naturais [Internet]. 2021 ;[citado 2024 jun. 02 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-07042021-133413/ - Uma arquitetura para mecanismos de buscas na web usando integração de esquemas e padrões de metadados heterogêneos de recursos educacionais abertos em repositórios dispersos
- Predição da complexidade textual de recursos educacionais abertos em português
- Text complexity of open educational resources in Portuguese: mixing written and spoken registers in a multi-task approach
- Deep learning against COVID-19: respiratory insufficiency detection in brazilian portuguese speech
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
