Métodos de classificação aplicados à detecção automática de Estilos de Aprendizagem em um ambiente real de ensino

The automatic detection of learning styles is an active research topic in the field of technology applied to education, however, most of existing works are not conclusive in relation to the different classification methods applied in this scenario. In this work, therefore, we evaluate four machine learning algorithms, specifically for the classification task, in order to identify the Learning Styles of the students in a real electronic learning environment, according to the Felder-Silverman model. As a result, the experiments indicated that a single method is not sufficient for the correct classification in all the dimensions, and that the best scenario contemplates the use of at least two different classifiers. Resumo. A detecção automática de Estilos de Aprendizagem é um ativo tópico de pesquisa na área de computação aplicada ao contexto educacional, porém, grande parte dos trabalhos existentes não é conclusiva com relação a diferentes métodos de classificação aplicados neste cenário. Neste trabalho, portanto, são avaliados quatro algoritmos de aprendizado de máquina, especificamente para a tarefa de classificação, a fim de se identificar os Estilos de Aprendizagem dos estudantes em um ambiente real de aprendizado eletrônico, de acordo com o modelo de Felder e Silverman. Como resultado, os experimentos indicaram que um único método não é suficiente para a correta classificação em todas as dimensões, sendo que o melhor cenário contempla o uso de, pelo menos, dois classificadores diferentes.