Deep learning e natural language processing aplicadas no desenvolvimento de chatbot como ferramenta de apoio ao ensino

Abstract

RESUMO: Este trabalho acadêmico descreve o desenvolvimento de um tutor virtual para o IFES campus Colatina, visando aprimorar a experiência de aprendizagem dos alunos através do uso de tecnologias de inteligência artificial e agentes inteligentes. O estudo envolveu a implementação de um chatbot que utiliza técnicas de processamento de linguagem natural e redes neurais artificiais. Inicialmente, o sistema foi treinado utilizando o método ‘bag of words’, uma técnica que analisa o texto com base na frequência das palavras, desconsiderando a ordem e a relação contextual entre elas. Entretanto, essa abordagem revelou-se limitada ao lidar com a complexidade e a diversidade da linguagem natural. A partir disso, uma mudança de abordagem foi aplicada para adotar o modelo BERT (Bidirectional Encoder Representations for Transformers), um modelo de linguagem pré-treinado que captura a relação bidirecional entre as palavras em uma frase, levando a uma compreensão mais profunda e contextual. A transição de um método inicial de processamento de perguntas e respostas para um modelo mais avançado permitiu melhorias significativas na capacidade do chatbot de compreender o contexto e fornecer respostas relevantes. Testes de precisão e variabilidade foram conduzidos para avaliar o desempenho do chatbot. Os resultados indicam que o tutor virtual consegue complementar o processo de aprendizagem dos alunos ao fornecer respostas precisas, embora existam limitações devido ao conjunto reduzido de dados de treinamento.

ABSTRACT: This academic work describes the development of a virtual tutor for IFES Colatina campus, aiming to enhance the learning experience of students using artificial intelligence technologies and intelligent agents. The study involved the implementation of a chatbot that employs natural language processing techniques and artificial neural networks. Initially, the system was trained using the "bag of words" method, a technique that analyzes text based on word frequency, disregarding the order and contextual relationship between them. However, this approach proved limited in dealing with the complexity and diversity of natural language. Consequently, a change in approach was applied to adopt the BERT model (Bidirectional Encoder Representations for Transformers), a pre-trained language model that captures the bidirectional relationship between words in a sentence, leading to a deeper and contextual understanding. The transition from an initial method of processing questions and answers to a more advanced model resulted in significant improvements in the chatbot's ability to understand context and provide relevant answers. Accuracy and variability tests were conducted to evaluate the chatbot's performance. The results indicate that the virtual tutor can complement the students' learning process by providing accurate answers, although there are limitations due to the limited training data set.