97
6,505 6,442 6,368 6,463 6,655
6,203 6,143 6,084 6,195 6,369
6,589 6,574 6,455 6,558 6,796
-302,133 -297,721 -290,255 -299,939 -319,283
Conceito
Exercício
Exemplo
(Constant)
1 2 3 4 5
ECA
Fisher's linear discriminant functions
Figura 6.14:Recursos Didáticos: coeficientes das funções de classificação
Por exemplo, para a obtenção do escore C em um novo caso, seria necessário
calcular:
133,302*589,6*203,6*505,6
1
−++= tpdpexemtpdpexertpdpconC
721,297*455,6*143,6*442,6
2
−++= tpdpexemtpdpexertpdpconC
255,290*455,6*084,6*368,6
3
−++= tpdpexemtpdpexertpdpconC
939,299*558,6*195,6*463,6
4
−++= tpdpexemtpdpexertpdpconC
283,319*796,6*369,6*655,6
5
−++= tpdpexemtpdpexertpdpconC
onde tpdpcon, tpdpexer e tpdpexem corresponderiam aos valores percentuais de uso dos
recursos de ‘Conceito’, ‘Exercício’ e ‘Exemplo’, respectivamente, do novo caso
considerado. O maior valor de C corresponderia a maior probabilidade do novo caso
‘ser’ da classe de ECA correspondente.
A Figura 6.15 apresenta os coeficientes das funções de classificação, para cada uma
das classes de ECA, considerando as preferências destas pelas formas de apresentação.
Para o diagnóstico de um novo caso, seria necessário calcular os valores de C
1
, C
2
, ...,
C
5
, cujas funções correspondentes seriam construídas com base nos coeficientes
apresentados na Figura 6.15.
10,153 9,655 9,709 10,268 10,612
8,072 8,011 7,776 8,079 8,300
7,144 7,172 6,973 7,130 7,345
7,609 7,648 7,404 7,618 7,837
7,450 7,389 7,253 7,425 7,698
7,163 7,183 6,874 7,061 7,366
7,653 7,282 7,433 7,958 8,008
7,793 7,685 7,538 7,854 8,047
9,094 9,079 8,758 9,177 9,477
6,844 6,723 6,661 6,807 7,028
-373,196 -366,862 -349,230 -376,633 -399,752
Con-Só Textual
Con-Textual c/ Fig.
Con-Esquema c/ Fig.
Exer-V ou F
Exer-Relac. Colunas
Exer-Escolha Simples
Exer-Preencher Lacunas
Exer-Escolha Simples c/ Fig.
Exem-Textual c/ Fig.
Exem-Esquema c/ Fig.
(Constant)
1 2 3 4 5
ECA
Fisher's linear discriminant functions
Figura 6.15:Formas de Apresentação: coeficientes das funções de classificação
6.5.2 Classificador Bayesianos Ingênuo
Os classificadores Bayesianos ingênuos (CBI), que têm uma abordagem
probabilística, têm sido considerados como uma abordagem eficiente e eficaz para