AGENTES INTELIGENTES PARA AMBIENTES VIRTUAIS DE ENSINO E APRENDIZAGEM: UMA REVISÃO SISTEMÁTICA

Akyuz, Y. (2020). Effects of intelligent tutoring systems (ITS) on personalized learning (PL). Creative Education, 11(6), 953–978. https://www.scirp.org/journal/paperinformation.aspx?paperid=101287 DOI: https://doi.org/10.4236/ce.2020.116069

Asif, R., Merceron, A., Ali, S. A., & Haider, N. G. (2017). Analyzing undergraduate students’ performance using educational data mining. Computers and Education, 113, 177–194. https://doi.org/10.1016/j.compedu.2017.05.007 DOI: https://doi.org/10.1016/j.compedu.2017.05.007

COSTA, N. T., FERNANDES, M. A. (2021) Sequenciamento de Ações Pedagógicas baseadas na Taxonomia de Bloom usando Planejamento Automatizado apoiado por Algoritmo Genético. Revista Brasileira de Informática na Educação, [S.l.], v. 29, p. 485-501, ISSN 2317-6121. https://sol.sbc.org.br/journals/index.php/rbie/article/view/2791/1960 DOI: https://doi.org/10.5753/rbie.2021.29.0.485

Freitas M. F., Rockenbach T. L. M., & Maria V. R. (2021). Proposta de arquitetura baseada em agentes inteligentes integrados em ambientes E-learning. Revista Educar Mais, 5(2), 249–260. https://doi.org/10.15536/reducarmais.5.2021.2163 DOI: https://doi.org/10.15536/reducarmais.5.2021.2163

Kitchenham, B. (2004). Procedures for performing systematic reviews (Keele University Technical Report No. TR/SE-0401; NICTA Technical Report No. 0400011T.1). Keele University, Keele. http://www.elizabete.com.br/rs/Tutrial_IHC_2012_files/Conceitos_RevisaoSistematica_kitchenham_2004.pdf

Page, M.J., McKenzie, J. E., Bossuyt. P. M., Boutron, I., Hoffmann, T. C., Mulrow, C. D., Shamseer, L., Tetzlaff, J. M., Akl, E. A. & Brennan. (2021) The PRISMA 2020 statement: An updated guideline for reporting systematic reviews. Syst. Rev. 10, n71. https://doi.org/10.1016/j.ijsu.2021.105906 DOI: https://doi.org/10.1016/j.ijsu.2021.105906

Palomino, P. T. (2022). Gamification of Virtual Learning Environments: A Narrative and User Experience Approach. Tese (Doutorado) – Programa de Pós-Graduação em Ciências de Computação e Matemática (PPG-CCMC). USP – São Carlos. https://www.teses.usp.br/teses/disponiveis/55/55134/tde-26072022-105616/publico/PaulaToledoPalomino_revisada.pdf.

Parreira, A., Lehmann, L., & Oliveira, M. (2021). O desafio das tecnologias de inteligência artificial na Educação: percepção e avaliação dos professores. Ensaio: Avaliação E Políticas Públicas Em Educação, 29 (Ensaio: aval.pol.públ.Educ., 2021 29(113). https://doi.org/10.1590/S0104-40362020002803115. DOI: https://doi.org/10.1590/s0104-40362020002803115

REIS, H. M., JAQUES P. & Isotani, S. (2018). Sistemas Tutores Inteligentes que detectam as emoções do estudante: Um mapeamento sistemático. Research and Innovation in Brazilian Education. 2ª ed. Palo Alto: Lemann Center, v. 1, p. 101-104, 2018. https://www.br-ie.org/pub/index.php/rbie/article/view/7184 DOI: https://doi.org/10.5753/rbie.2018.26.03.76

S. Alserhan, T. M. Alqahtani, N. Yahaya, W. M. Al-Rahmi & H. Abuhassna. (2023). Personal Learning Environments: Modeling Students Self-Regulation Enhancement Through a Learning Management System Platform. in IEEE Access. 2023 vol. 11, pp. 5464-5482. https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=10015756 DOI: https://doi.org/10.1109/ACCESS.2023.3236504

Santos, S. E. de F., Jorge, E. M. de F., & Winkler, I. (2021). Inteligência artificial e virtualização em ambientes virtuais de ensino e aprendizagem: desafios e perspectivas tecnológicas. ETD - Educação Temática Digital, 23(1), 2–19. https://doi.org/10.20396/etd.v23i1.8656150 DOI: https://doi.org/10.20396/etd.v23i1.8656150

SILVA, E. & CRUZ, J. (2019) Mineração de Dados Educacionais: uso de redes neurais artificiais na predição do Perfil Acadêmico do Aluno - IFAL Campus Maragogi. In: ESCOLA REGIONAL DE COMPUTAÇÃO BAHIA, ALAGOAS E SERGIPE (ERBASE) , 2019, Ilhéus. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação. p. 556-564. https://sol.sbc.org.br/index.php/erbase/article/view/9018

Sharma, P. & Harkishan, M. (2022) Designing an intelligent tutoring system for computer programing in the Pacific. Educ Inf Technol 27, 6197–6209. https://doi.org/10.1007/s10639-021-10882-9 DOI: https://doi.org/10.1007/s10639-021-10882-9

Vivian, R. L., Cazella, S. C., Machado, L. R., & Behar, P. A. (2022). Mineração de Dados Educacionais e Análise de Sentimentos em Ambientes Virtuais de Aprendizagem: um Mapeamento Sistemático. EaD Em Foco, 12(2), e1786. https://lume.ufrgs.br/handle/10183/243306 DOI: https://doi.org/10.18264/eadf.v12i2.1786

Yağcı, M. (2022) Educational data mining: Prediction of students academic performance using machine learning algorithms. Smart Learn. Environ., vol. 9, no. 1, pp. 1–19, doi: 10.1186/s40561-022-00192-z. DOI: https://doi.org/10.1186/s40561-022-00192-z

Zawacki-Richter, O., Marín, V.I., Bond, M. et al. (2019). Systematic review of research on artificial intelligence applications in higher education – where are the educators?. Int J Educ Technol High Educ 16, 39. https://doi.org/10.1186/s41239-019-0171-0. https://www.scirp.org/journal/paperinformation.aspx?paperid=101287 DOI: https://doi.org/10.1186/s41239-019-0171-0

Zem Lopes, Aparecida Mara (2017). Uma abordagem de suporte à avaliação de qualidade de sistemas educacionais baseados em Web Semântica. Tese (Doutorado) – Programa de Pós-Graduação em Ciências de Computação e Matemática (PPG-CCMC). USP – São Carlos. https://teses.usp.br/teses/disponiveis/55/55134/tde-01022018-084626/publico/AparecidaMariaZemLopes_revisada.pdf