Marcus Vinícius Carvalho Guelpeli,  Nizam Omar,  Carlos Henrique Costa Ribeiro. 

Este trabalho tem como meta apresentar um módulo de diagnóstico incluído na arquitetura tradicional de Sistemas Tutores Inteligentes, no qual é aplicada uma técnica de Aprendizado por Reforço (algoritmo Q-Learning) que possibilita a modelagem autônoma do aprendiz. Um valor de utilidade é calculado baseado em uma tabela de pares estado-ação, a partir da qual o algoritmo estima recompensas futuras que representam os estados cognitivos do aprendiz. A melhor política a ser usada pelo tutor para qualquer estado cognitivo é então aprendida e disponibilizada pelo algoritmo de Aprendizagem por Reforço. The goal of this paper is to present a diagnostic module included in an Intelligent Tutoring System (ITS) architeture. In this module, a Reinforcement Learning technique (Q-Learning al-gorithm) is applied, making it possible to autonomous modelling of the learner. An utility value is calculated based on a state-action table upon which the algorithm estimates future rewards which represent the cognitive states of the learner. The best action policy to be used by the tutor at any cognitive state is then learned and made available by the Reinforcement Learning algorithm.

http://www.lbd.dcc.ufmg.br/colecoes/rbie/12/2/003.pdf

Processando consulta.