Defesa de TESE de DOUTORADO – Marcelo Tibau de Vasconcellos Dias
TÍTULO DA DISSERTAÇÃO/TESE: Quantifying Knowledge Gain in Online Searches: The DKG
Metric
Resumo: Ferramentas de busca são hoje importantes instrumentos de aquisição de conhecimento. Além de fornecerem acesso imediato a uma vasta gama de informações, quando empregadas com intuito de aprender, permitem um processo de aprendizagem contínuo por meio tanto do refinamento de suas consultas quanto pela exploração de conceitos relacionados. Fatos que ajudam a expandir o âmbito da pesquisa e a profundidade da compreensão dos assuntos pesquisados. Porém, avaliar a eficácia das buscas na Web na promoção da aquisição de conhecimentos representa um desafio. Embora ferramentas de busca possam proporcionar rápido acesso à informação, determinar se seus usuários conseguem aprender de maneira aprofundada, que se caracteriza por um entendimento abrangente e integrado do conhecimento acessado, não é algo trivial. Para que se possa medir de maneira eficaz o conhecimento adquirido em buscas com intenção de aprendizado e otimizar as ferramentas de busca para esse tipo de tarefa, é essencial que se desenvolvam métodos para quantificar o conhecimento ganho. Métodos tradicionais de medição de ganhos de conhecimento baseiam-se em ambientes muito distintos do encontrado na Web. Geralmente são utilizados pré e pós-testes, exercícios abertos e auto avaliações para coletar dados que serão usados posteriormente em modelos preditivos. No entanto, tais métodos requerem intervenções intrusivas durante a busca e os modelos preditivos desenvolvidos ignoram aspectos cruciais que impactam a interação usuário-máquina, como a aptidão digital, a sobrecarga cognitiva e a variedade de estratégias e competências de busca dos usuários. A presente tese de doutorado visa aprofundar a compreensão de como os indivíduos se desenvolvem e aprendem em ambientes digitais, oferecendo novas perspectivas e ferramentas para explorar a relação dinâmica entre busca na Web, aprendizagem e processos cognitivos. Para tal, será apresentado um modelo que mede a quantidade de novas informações relevantes adicionadas ao repertório cognitivo do usuário. Chamado de Grau de Ganho de Conhecimento (Degree of Knowledge Gain – DKG), o modelo atua como uma métrica que quantifica a aquisição de conhecimento durante sessões de buscas. A presente tese formaliza detalhadamente o modelo e conduz dois experimentos distintos para testar sua validade. A formalização examina a entropia inerente ao processo de busca, incluindo uma análise de como usuários coletam informações e interagem com diversas fontes, além do esforço necessário para se alcançar certas probabilidades de detecção. O primeiro experimento visa identificar indicadores de transferência de aprendizagem, empregando uma ferramenta de análise chamada Estratégia deBusca de Informações Online (Online Information Searching Strategy – OISS) em conjunto com uma taxonomia de reformulação de consultas. Usando como métodos de coleta de dados, o Protocolo Think-Aloud (Think-Aloud Protocol – TAP) e entrevistas complementares, são obtidas informações valiosas a respeito das estratégias que facilitam a aquisição de conhecimento durante buscas online. O segundo experimento tem como objetivo a validação da métrica Grau de Ganho de Conhecimento (DKG) eu tiliza os mesmos métodos de coleta de dados do primeiro experimento. A métrica aplica medidas implícitas de conhecimento, como a complexidade da consulta, as nuances do conteúdo e a identificação de palavras-chave, para calcular o ganho de conhecimento. O experimento também exploracomo a métrica DKG complementa métodos tradicionais de avaliação do ganho de conhecimento. Ao propor a métrica DKG, a presente tese oferece um modelo prático que pode ser utilizado tanto por educadores quanto por desenvolvedores na melhoria da utilidade educacional da Web. Por exemplo, educadores e criadores de conteúdo poderiam aproveitar insights advindos da métrica para desenvolver ou selecionar recursos online que sejam mais eficazes na promoção da aprendizagem. Por outro lado, desenvolvedores de ferramentas de busca poderiam usar a métrica DKG para refinar seus algoritmos, priorizando conteúdos que não apenas correspondam aos termos de busca, mas também demonstrem um alto potencial de ganho de conhecimento, como cobertura abrangente de tópico sou incentivo ao pensamento crítico. Desta forma, o presente trabalho demonstra a necessidade de desenvolvimento de métricas inovadoras que reflitam as complexidades da aquisição de conhecimento na era digital, com implicações potenciais para a prática educacional e o desenvolvimento tecnológico.
Palavras Chave: Ganho de Conhecimento, Transferência de Aprendizagem, Recuperação de
Informação, Busca na Web, Busca como Processo de Aprendizagem
BANCA EXAMINADORA:
Sean Wolfgand Matsui Siqueira -UNIRIO
Bernardo Pereira Nunes- UNIRIO/ANU
Adriana Cesário de Faria Alvim – UNIRIO
Tadeu Moreira de Classe – UNIRIO
Giseli Rabello Lopes – UFRJ
Pertti Vakkari – University of Tampere
DATA/HORA DE DEFESA: 21/03/2024 às 08:30h
Local : Online – solicitar acesso com Marcelo Tibau ou Prof. Sean
