Customização da Regulação Emocional de Acordo com a Personalidade dos Estudantes em Sistemas Tutores Inteligentes
DOI:
https://doi.org/10.5753/rbie.2021.29.0.48Keywords:
Sistemas Tutores Inteligentes, Regulação da Frustração, Regulação da EmoçãoAbstract
As emoções influenciam os processos cognitivos e são essenciais durante o aprendizado. Algumas emoções podem afetar negativamente o aprendizado, como a frustração e o tédio; outras, como o engajamento, podem ter um efeito positivo. Por outro lado, algumas emoções, como a confusão, podem ter um papel duplo, influenciando negativamente ou positivamente. A confusão ocorre quando há discrepâncias entre a informação recebida e as estruturas mentais do indivíduo ou quando há inconsistências no fluxo de informação. Quando experimentam confusão, os estudantes podem se sentir incentivados a buscar seu próprio conhecimento, através do foco e atenção na atividade, resultando em um impacto positivo no aprendizado. No entanto, quando sentem a confusão por um longo período e não conseguem resolvê-la, a confusão pode gerar uma sobrecarga cognitiva nos estudantes e levar a emoções mais negativas à aprendizagem, tais como frustração e tédio. Além disso, o tempo que os estudantes conseguem lidar com a confusão é influenciado por seu traço de personalidade e conhecimentos prévios sobre o assunto. Portanto, a confusão deve ser regulada para maximizar o aprendizado, promovendo um maior envolvimento, e evitar o abandono do exercício ou conteúdo. O problema investigado neste trabalho é como e quando um sistema inteligente de tutoria poderia apoiar a regulação da confusão quando sentida por um longo período por um estudante. Para isso, foi desenvolvido um algoritmo com o objetivo de apoiar na escolha de elementos multimídia (por exemplo, vídeo, figura ou texto) para regular a confusão. A escolha dos elementos considera o conhecimento prévio do estudante e são apresentados de acordo com seu nível de detalhamento (por exemplo, de elementos com poucos detalhes de resolução a elementos apresentados com muitos detalhes). Além disso, quanto tempo o algoritmo espera para regular a confusão do estudante considera a sua personalidade. Para avaliar o algoritmo desenvolvido, foi realizado um experimento com estudantes (N = 111) do ensino fundamental e superior de duas escolas e uma faculdade, durante três meses. Foram analisadas a capacidade do algoritmo de influenciar na regulação da confusão durante a resolução de equações de primeiro grau em um Sistema Tutor Inteligente (PAT2Math), em indivíduos com personalidades de extroversão e neuroticismo. Os resultados mostram que os estudantes que usaram o PAT2Math com o algoritmo desenvolvido de regulação de confusão (grupo experimental) cometeram menos erros e resolveram os exercícios mais rapidamente do que os estudantes que não receberam assistência com relação à regulação de confusão. Os resultados indicam que o sistema estaria regulando a confusão ou emoção negativa decorrente da confusão.
Downloads
Referências
Allport, G. W., & Leite, D. M. (1966). Personalidade: padrões e desenvolvimento. Editora Herder. [GS Search]
Arguedas, M., Daradoumis, T., & Xhafa, F. (2016). Analyzing the effects of emotion managementon time and self-management in computer-based learning. Computers in Human Behavior,63, 517–529. doi: 10.1016/j.chb.2016.05.068. [GS Search]
Baker, R. S. J. D., Corbett, A. T., Koedinger, K. R., & Wagner, A. (2004). Off-Task Behavior in the Cognitive Tutor Classroom: When Students Game The System. In Acm chi 2004: Computer-human interaction (pp. 383–390). doi: 10.1145/985692.985741. [GS Search]
Bakhtiar, A., Webster, E. A., & Hadwin, A. F. (2018). Regulation and socio-emotional interactions in a positive and a negative group climate. Metacognition and Learning, 13(1), 57–90. doi: 10.1007/s11409-017-9178-x. [GS Search]
Barbosa, A. (2009). Modelo hierárquico de fobias infanto-juvenis: testagem e relação com osestilos maternos.Tese de Doutorado. Tese (Doutorado em Ciência da Computação). [GS Search]
Bosse, T., Gerritsen, C., De Man, J., & Treur, J. (2012). Measuring stress-reducing effects of virtual training based on subjective response. In International conference on neural information processing (pp. 322–330). doi: 10.1007/978-3-642-34475-639. [GS Search]
Cattell, R. B., & P. Cattell, H. E.(1995). Personality structure and the new fifth edition of the 16pf. Educational and Psychological Measurement,55(6), 926–937. doi: 10.1177/0013164495055006002. [GS Search]
Craig, S., Graesser, A., Sullins, J., & Gholson, B. (2004). Affect and learning: an exploratory look into the role of affect in learning with autotutor. Journal of educational media, 29(3), 241–250. doi: 10.1080/1358165042000283101. [GS Search]
Desseilles, M.(2016).Perspectives on games, computers, and mental health: Questions about paradoxes, evidences, and challenges. Frontiers in psychiatry, 7, 122. doi: 10.3389/fpsyt.2016.00122. [GS Search]
D’Mello, S., & Calvo, R. A. (2013). Beyond the basic emotions: what should affective computing compute? In Chi ’13 extended abstracts on human factors in computing systems on (p. 2287). New York, New York, USA: ACM Press. doi: 10.1145/2468356.2468751. [GS Search]
D’Mello, S., Graesser, A., et al. (2007). Monitoring affective trajectories during complex learning. In Proceedings of the annual meeting of the cognitive science society (Vol. 29). [GS Search]
D’Mello, S., Person, N. K., & Lehman, B. (2009). Antecedent-consequent relationships and cyclical patterns between affective states and problem solving outcomes. In Aied (pp. 57–64). NLD: IOS Press. [GS Search]
D’Mello, S., Picard, R. W., & Graesser, A. (2007). Toward an affect-sensitive autotutor. IEEE Intelligent Systems,22(4). doi: 10.1109/MIS.2007.79. [GS Search]
D’Mello, S., Lehman, B., Pekrun, R., & Graesser, A.(2014). Confusion can be beneficial for learning. Learning and Instruction,29, 153 - 170. doi: 10.1016/j.learninstruc.2012.05.003. [GS Search]
Estrada, C. A., Isen, A. M., & Young, M. J. (1994). Positive affect improves creative problem solving and influences reported source of practice satisfaction in physicians. Motivation andemotion, 18(4), 285–299. doi: 10.1007/BF02856470. [GS Search]
Gaggioli, A., Raspelli, S., Grassi, A., Pallavicini, F., Cipresso, P., Wiederhold, B. K., & Riva, G.(2011). Ubiquitous health in practice: the interreality paradigm. In Mmvr (pp. 185–191). [GS Search]
Graesser, A. C., Chipman, P., Haynes, B. C., & Olney, A. (2005). AutoTutor: An intelligent tutoring system with mixed-initiative dialogue. IEEE Transactions on Education, 48(4), 612–618. doi: 10.1109/TE.2005.856149. [GS Search]
Greenleaf, R. (2002). The adolescent brain: Still ready to learn. Principal Leadership, 2(8),24–28. [GS Search]
Gross, J. J. (1998). Antecedent-and response-focused emotion regulation: divergent consequencesfor experience, expression, and physiology. Journal of personality and social psychology, 74(1), 224. doi: 10.1037/0022-3514.74.1.224. [GS Search]
Jaques, P. A., Seffrin, H., Rubi, G., de Morais, F., Ghilardi, C., Bittencourt, I. I., & Isotani, S. (2013). Rule-based expert systems to support step-by-step guidance in algebraic problem solving: The case of the tutor pat2math. Expert Systems with Applications, 40(14), 5456–5465. doi: 10.1016/j.eswa.2013.04.004. [GS Search]
Kabat-Zinn, J., Wheeler, E., Light, T., Skillings, A., Scharf, M. J., Cropley, T. G., Bernhard,J. D. (1998). Influence of a mindfulness meditation-based stress reduction interventionon rates of skin clearing in patients with moderate to severe psoriasis undergoing phototherapy (uvb) and photochemotherapy (puva). Psychosomatic medicine, 60(5), 625–632. [GS Search]
Lane, H. C. (2006). Intelligent tutoring systems: Prospects for guided practice and efficient learning. Institute for Creative Technologies. University of Southern California, 11. [GS Search]
Lazarus, R. S.(1993). From psychological stress to the emotions: A history of changing outlooks. Annual review of psychology, 44(1), 1–22. doi: 10.1146/annurev.ps.44.020193.000245. [GS Search]
Lehman, B., D’Mello, S., Strain, A., Mills, C., Gross, M., Dobbins, A., Graesser, A.(2013). Inducing and tracking confusion with contradictions during complex learning. International Journal of Artificial Intelligence in Education, 22(1-2), 85–105. doi: 10.3233/JAI-130025. [GS Search]
Linnenbrink, E. A., & Pintrich, P. R. (2000). Multiple pathways to learning and achievement: The role of goal orientation in fostering adaptive motivation, affect, and cognition. Intrinsic and extrinsic motivation: The search for optimal motivation and performance, 195–227. doi: 10.1016/B978-012619070-0/50030-1. [GS Search]
Mayer, R. E.(2003).The promise of multimedia learning: using the same instructional design methods across different media. Learning and instruction,13(2), 125–139. doi: 10.1016/S0959-4752(02)00016-6. [GS Search]
McCrae, R. R., & John, O. P.(1992). An introduction to the five-factor model and its applications. Journal of Personality,60(2), 175–215. doi: 10.1111/j.1467-6494.1992.tb00970.x. [GS Search]
Nararro-Haro, M. V., Hoffman, H. G., Garcia-Palacios, A., Sampaio, M., Alhalabi, W., Hall, K.,& Linehan, M. (2016). The use of virtual reality to facilitate mindfulness skills training indialectical behavioral therapy for borderline personality disorder: a case study. Frontiers in psychology,7, 1573. doi: 10.3389/fpsyg.2016.01573. [GS Search]
Nielsen, J. (1995). 10 usability heuristics for user interface design. Nielsen Norman Group,1(1). [GS Search]
Nunes, T. M., Jaques, P. A., Pós-graduação, P. D., & Aplicada, C. (2013, nov). Analisando a influência da presença de um Agente Pedagógico Animado em relação ao Gaming The System.In M. C. C. Baranauskas, R. Bonacin, M. A. F. Borges, & C. G. da Silva(Eds.), Simpósio brasileiro de informática na educação - cbie(pp. 758–767). SBC. doi: 10.5753/CBIE.SBIE.2013.758. [GS Search]
Oxford, R. L., & Bolaños-Sánchez, D. (2016). A tale of two learners: Discovering mentoring, motivation, emotions, engagement, and perseverance. In New directions in language learning psychology (pp. 113–134). Springer. doi: 10.1007/978-3-319-23491-58. [GS Search]
Pallavicini, F., Gaggioli, A., Raspelli, S., Cipresso, P., Serino, S., Vigna, C., . others (2013).Interreality for the management and training of psychological stress: study protocol for arandomized controlled trial.Trials, 14 (1), 191. doi: 10.1186/1745-6215-14-191. [GS Search]
Pessoa, L.(2008). On the relationship between emotion and cognition. Nature reviews neuroscience,9(2), 148. doi: 10.1038/nrn2317. [GS Search]
Reis, H., Alvares, D., Jaques, P., & Isotani, S. (2018). Analysis of permanence time in emotional states: A case study using educational software. In International conference on intelligent tutoring systems (pp. 180–190). doi: 10.1007/978-3-319-91464-018. [GS Search]
Reis, H., Alvares, D., Jaques, P., & Isotani, S. (in press). A proposal of model of emotional regulation in intelligent learning environments.
Reis, H., Jaques, P. A., & Isotani, S. (2018, sep). Sistemas Tutores Inteligentes que Detectam asEmoções dos Estudantes: um Mapeamento Sistemático. Revista Brasileira de Informáticana Educação, 26(3), 76. doi: 10.5753/rbie.2018.26.03.76. [GS Search]
Rodrigo, M. M. T., Baker, R. S., & Nabos, J. Q. (2010). The relationships between sequences of affective states and learner achievement. In Proceedings of the 18th international conference on computers in education (pp. 56–60). [GS Search]
Rozin, P., & Cohen, A. B. (2003). Reply to commentaries: Confusion infusions, suggestives,correctives, and other medicines. American Psychological Association, 3(1), 92–96. doi: 10.1037/1528-3542.3.1.92. [GS Search]
Scherer, K. R. (2005). What are emotions? and how can they be measured? Social Science Information, 44(4), 695-729. doi: 10.1177/0539018405058216. [GS Search]
Schutz, P. A., & Lanehart, S. L. (2002). Introduction: Emotions in education. Educational Psychologist, 37(2), 67–68. [GS Search]
Seffrin, H., Bittencourt, I. I., Isotani, S., & Jaques, P. A.(2016). Modelling students’ algebraic knowledge with dynamic bayesian networks. In Advanced learning technologies (icalt), 2016 ieee 16th international conference on (pp. 44–48). doi: 10.1109/ICALT.2016.96. [GS Search]
Sutton, R. E., & Wheatley, K. F. (2003). Teachers’ emotions and teaching: A review of the literature and directions for future research. Educational psychology review,15(4), 327–358. doi: 10.1023/A:1026131715856. [GS Search]
Sweller, J.(1994, jan). Cognitive load theory, learning difficulty, and instructional design. Learning and Instruction, 4(4), 295–312. doi: 10.1016/0959-4752(94)90003-5. [GS Search]
Sweller, J., van Merriënboer, J. J. G., & Paas, F. (2019, jan). Cognitive Architecture and Instructional Design: 20 Years Later. Educational Psychology Review, 10(3), 251–296. doi: 10.1007/s10648-019-09465-5. [GS Search]
Thompson, R. A. (1991). Emotional regulation and emotional development. Educational Psychology Review, 3(4), 269–307. doi: 10.1007/BF01319934. [GS Search]
Tian, F., Gao, P., Li, L., Zhang, W., Liang, H., Qian, Y., & Zhao, R. (2014). Recognizing and regulating e-learners’ emotions based on interactive chinese texts in e-learning systems. Knowledge-Based Systems, 55, 148–164. doi: 10.1016/j.knosys.2013.10.019. [GS Search]
Xu, J., Du, J., & Fan, X. (2013). Individual and group-level factors for students’ emotion management in online collaborative groupwork. The internet and higher education, 19, 1–9. doi: 10.1016/j.iheduc.2013.03.001. [GS Search]
Arquivos adicionais
Published
Como Citar
Issue
Section
Licença
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
