Pós-Graduação em Ciência da Computação – UFPE
Defesa de Tese de Doutorado Nº 617
Aluno: Paulo Fernando Leite Filho
Orientador: Prof. Silvio de Barros Melo
Coorientador: Profa. Rita de Cassia Moura do Nascimento (UPE)
Título: ESCALA PSICOMÉTRICA NA AVALIAÇÃO COGNITIVA DO APRENDIZADO DE MÁQUINA
Data: 30/01/2024
Hora/Local: 14h – Centro de Informática – Auditório do Bloco B
Banca Examinadora:
Prof. Ricardo Bastos Cavalcante Prudêncio (UFPE / Centro de Informática)
Prof. Nivan Roberto Ferreira Júnior (UFPE / Centro de Informática)
Prof. Carmelo Jose Albanez Bastos Filho (UPE / Escola Politécnica de PE)
Prof. Sérgio de Carvalho Bezerra (UFPB / Deptº de Computação Científica)
Prof. Christian Robson de Souza Reis (FIOCRUZ/ Instituto Aggeu Magalhães)
RESUMO:
A Inteligência Artificial (IA) desempenha atividades complexas, e determinar métodos de avaliação cognitiva após as etapas de aprendizagem é fundamental para aplicação da IA. O objetivo desta Tese foi avaliar as dificuldades (b) calculadas pela escala psicométrica da Teoria da Resposta ao Item (TRI) nas seguintes situações: nas classificações dos algoritmos em diferentes situações de fatores adversos aos algoritmos, nos resultados das métricas e nas regras de tomada de decisão para a cognição. Foram comparadas as classificações de 34 algoritmos não supervisionados em 11 datasets, os resultados das métricas do Erro Quadrado Médio (EQM), Precisão, Sensibilidade e Especificidade com os valores de b. Destacando os grupos de algoritmos habilidosos nas dificuldades de classificação: k.means.fit.Lloyd (15,90% dos 45,45%), Fanny (18,18%), Clara (11.35%), Cluster-Medoids (9,09%), Sota (9,09%) e PAM (6,81%), assim como os modelos 1PL e 3PL da TRI como melhores referências de b para situações adversas para as classificações mais complexas.
Palavras-chave: Teoria da Resposta ao Item; Aprendizagem de Máquina;
Métricas; Classificação; Psicometria; Cognição
Comentários desativados