Redes neurais artificiais no diagnóstico cognitivo

• Processo: 18/21063-4
• Modalidade de apoio: Bolsas no Exterior - Pesquisa
• Data de Início da vigência: 10 de outubro de 2018
• Data de Término da vigência: 31 de julho de 2019
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Mariana Cúri
• Beneficiário: Mariana Cúri
• Pesquisador Anfitrião: Suely Oliveira
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Instituição Anfitriã: University of Iowa, Estados Unidos
• Vinculado ao auxílio: 13/07375-0 - CeMEAI - Centro de Ciências Matemáticas Aplicadas à Indústria, AP.CEPID
• Assunto(s): Aprendizado computacional
• Palavra(s)-Chave do Pesquisador: Aprendizagem de Maquina | mineração de dados educacionais | Modelos Cognitivos | Redes Neurais Profundas | aprendizagem estatística

Resumo

Neste trabalho, propõe-se um novo modelo de redes neurais profundas, baseado numa modificação do método variational autoencoder. A modificação foi inspirada na estrutura usual das avaliações educacionais, em que os itens do teste são construídos para a avaliação de um conteúdo específico, pré-definido. Este é um tema bastante atual e importante nas áreas de Mineração de Dados Educacionais e Psicometria, em que se busca o aprimoramento dos métodos existentes e da prática da avaliação cognitiva na era do bigdata. É importante destacar que a relevância desta proposta não recai apenas sobre a aplicação da Aprendizagem Estatística ou Aprendizagem de Máquina na Educação, mas também sobre as Ciências de Computação e Estatística de uma maneira mais geral. Além de propor um novo método e sua aplicação no contexto de avaliação cognitiva, um dos objetivos deste trabalho é contribuir para a formalização da ligação da Computação e Estatística. A intersecção entre os modelos de redes neurais profundas e os modelos de variáveis latentes usuais da Teoria de Resposta ao Item e de modelos de Diagnóstico Cognitivo, comumente adotados na Estatística, preencherá uma lacuna existente entre as linguagens e os conceitos teóricos necessários para a conexão desses modelos.O desenvolvimento de pesquisa no tema acima proposto será feito em conjunto com Alina Von Davier, vice-presidente sênior do ACTNext, docente da Fordham University e ex-diretora do departamento de pesquisa em Psicometria Avançada do ETS, e Suely Oliveira, docente do departamento de Ciência de Computação da University of Iowa e especialista em computação de alto desempenho e bigdata. A junção da experiência de Alina da área de indústria de testes e de pesquisa em Psicometria com a especialidade de Suely em computação de alta performance, assim como minha experiência didática e de pesquisa na área de Estatística contribuirá substancialmente para a proposição de um método viável de modelagem do desempenho de indivíduos em avaliações de diagnóstico cognitivo. Adicionalmente, o desenvolvimento dessa pesquisa em colaboração com o ACT, como indústria de testes em avaliação educacional, condiz com a proposta do CEPID-CEMEAI (Centro de Ciências Matemáticas Aplicadas a Industria), da qual participo como pesquisadora associada.