English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Learning algorithms is a complex topic and there are several didactic initiatives to improve the student experience, such as intelligent tutors. The predictive capacity of knowledge models is fundamental for the proper functioning of intelligent tutors. Additionally, there are few studies that indicate the effects that the domain has on the predictive capacity of models. This article presents a qualitative and comparative analysis between knowledge models such as Bayesian Knowledge Tracing and Performance Factor Analysis in order to identify possible peculiarities in the field of algorithms.The results show that the compilation errors directly influence the predictive capacity of the models and there are arguments to maintain and to remove them. Resumo. O aprendizado de algoritmos é um tema complexo e existem diversas iniciativas didáticas para aprimorar a experiência do aluno, como tutores inteligentes. A capacidade preditiva de modelos de conhecimento é fundamental para o funcionamento apropriado de tutores inteligentes. Adicionalmente, existem poucos estudos, neste contexto, que indicam os efeitos que o domı́nio de ensino tem sobre a capacidade preditiva dos modelos. Este artigo apresenta uma análise qualitativa e comparativa entre modelos de conhecimento como Bayesian Knowledge Tracing e Performance Factor Analysis a fim de se identificar possı́veis peculiaridades no domı́nio do ensino de algoritmos. Os resultados mostram que os erros de compilação influenciam diretamente na capacidade preditiva dos modelos e há argumentos para mantê-los e removê-los.

Analise da Capacidade Preditiva de Técnicas para Modelagem do Conhecimento Aplicadas ao Aprendizado de Algoritmos