Desenvolvimento de um Modelo de Avaliação de Aprendizagem de Machine Learning voltado a Classificação de Imagens no Ensino Médio

Abstract

Machine Learning (ML) está se tornando cada vez mais presente na realidade, com seus algoritmos tendo papel essencial em sistemas inteligentes que executam tarefas como reconhecimento de voz e recomendações personalizadas. A capacidade de criar soluções inteligentes com ML é uma característica cada vez mais requisitada para os profissionais do presente e futuro próximo, tornando-se essencial a inclusão de conteúdos de ML nos currículos de estudantes da Educação Básica. Embora já existam algumas unidades instrucionais para o ensino de ML, a avaliação da aprendizagem dos conceitos de ML continua sendo uma questão aberta e pouco abordada nos trabalhos existentes. Assim, o presente trabalho busca definir sistematicamente um modelo de avaliação de aprendizagem de estudantes, com foco no público do Ensino Médio para a tarefa de classificação de imagens. Com base na revisão sistemática de literatura, o modelo conceitual é criado sistematicamente seguindo o método de Evidence-Centered Assessment Design e automatizado no contexto de criação de modelos de ML usando Jupyter Notebook no ambiente do Google Colab com Python. O modelo de avaliação é aplicado em um curso de ML voltado à classificação de imagens de árvores nativas de Santa Catarina. A apresentação visual dos resultados é realizada no Jupyter Notebook, utilizando-se da biblioteca ipywidgets. Uma avaliação preliminar indicou a utilidade, funcionalidade e usabilidade do modelo. Deste modo, o presente trabalho traz uma solução inicial para automatizar a avaliação da aprendizagem do aluno com base no modelo de ML criado para Classificação de Imagens, visando realizar uma contribuição para o ensino de ML no Ensino Médio.

Machine Learning (ML) is becoming increasingly present in daily lives, playing an essential role in intelligent systems that perform tasks such as speech recognition and personalized recommendations. The ability to create intelligent solutions with ML is an increasingly required ability for professionals in the present and near future, making it essential to include ML content in K-12 students' curricula. Although there are some instructional units for teaching ML, ML concepts assessment remains an open question and with little attention given in existing works. The present work seeks to systematically define a learning assessment model for students, focusing on the High School audience for the image classification task. Based on a systematic literature review, the conceptual model is created systematically following the Evidence-Centered Design method and automated in the context of creating ML models using Jupyter Notebooks in the Google Colab environment with Python. The assessment model is applied in a ML course aiming at classifying images of native trees in Santa Catarina/Brazil. The visual presentation of results is performed in the Jupyter Notebook using the ipywidgets library. A preliminary evaluation indicated the model’s usefulness, functionality and usability. Thus, the work presents an initial solution to automate the assessment of student learning based on the ML model created for Image Classification task, aiming to make a contribution to the teaching of ML in High School.