BR112021013688A2 - Plataforma de computação, meio legível por computador e método de armazenamento de instruções - Google Patents
Plataforma de computação, meio legível por computador e método de armazenamento de instruções Download PDFInfo
- Publication number
- BR112021013688A2 BR112021013688A2 BR112021013688-6A BR112021013688A BR112021013688A2 BR 112021013688 A2 BR112021013688 A2 BR 112021013688A2 BR 112021013688 A BR112021013688 A BR 112021013688A BR 112021013688 A2 BR112021013688 A2 BR 112021013688A2
- Authority
- BR
- Brazil
- Prior art keywords
- aip
- user
- learning
- assessment
- scenario
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 66
- 230000004044 response Effects 0.000 claims abstract description 50
- 238000012360 testing method Methods 0.000 claims abstract description 47
- 230000001052 transient effect Effects 0.000 claims abstract description 19
- 230000001149 cognitive effect Effects 0.000 claims description 63
- 238000012795 verification Methods 0.000 claims description 35
- 230000015654 memory Effects 0.000 claims description 27
- 238000012549 training Methods 0.000 claims description 20
- 238000004891 communication Methods 0.000 claims description 14
- 238000011161 development Methods 0.000 claims description 8
- 230000003993 interaction Effects 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 4
- -1 Cation Cation Chemical class 0.000 claims 1
- 150000001768 cations Chemical class 0.000 claims 1
- 230000008901 benefit Effects 0.000 description 12
- 230000008569 process Effects 0.000 description 10
- 238000013459 approach Methods 0.000 description 8
- 230000003044 adaptive effect Effects 0.000 description 7
- 230000000875 corresponding effect Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000003930 cognitive ability Effects 0.000 description 4
- 238000010587 phase diagram Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 241000251468 Actinopterygii Species 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000011112 process operation Methods 0.000 description 1
- 230000007115 recruitment Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 238000012038 vulnerability analysis Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B7/00—Electrically-operated teaching apparatus or devices working with questions and answers
- G09B7/02—Electrically-operated teaching apparatus or devices working with questions and answers of the type wherein the student is expected to construct an answer to the question which is presented or wherein the machine gives an answer to the question presented by a student
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
- Machine Translation (AREA)
Abstract
plataforma de computação, meio legível por computador e método de armazenamento de instruções. um sistema é configurado para armazenar instruções que são executáveis por um ou mais processadores para realizar a plataforma de computação para desenvolver, por meio de aprendizagem não linear, uma proficiência desejada de um usuário em um tópico. um servidor é acoplado comunicativamente a uma rede e incluindo um processador, um módulo de potencial de informação adotivo (aip), um banco de dados contendo porções alocadas para pelo menos dados cognigráficos e dados não cognigráficos e pelo menos um meio de armazenamento legível por computador não transitório tendo instruções legíveis por computador armazenadas no mesmo. o processador executa as instruções legíveis por computador para receber entrada de dados do usuário com base em um conjunto de uma ou mais perguntas solicitadas pela plataforma, o conjunto de uma ou mais perguntas compreendendo dados cognigráficos e dados não cognigráficos. uma verificação contínua e atualização de um perfil de usuário é realizada com base em um conjunto de uma ou mais condições, em resposta à conclusão pelo usuário dos um ou mais cenários de aprendizagem aip variáveis do primeiro nível, fornecer ao usuário um teste de cenário de saída, e executar iterativamente os um ou mais níveis da aprendizagem aip para atingir a proficiência desejada do usuário no tópico.
Description
[001] A presente invenção refere-se a sistema, método e meio legível por computador usados por professores para permitir que o aluno aprenda várias disciplinas e para ganhar habilidades e são configurados para armazenar instruções que são executáveis por um ou mais processadores para realizar o desenvolvimento de uma proficiência desejada de um usuário em um tópico.
[002] O sistema educacional típico inclui os livros didáticos, os currículos, as salas de aula e os horários que os alunos seguem. Este sistema educacional não mudou muito ao longo dos séculos. Até hoje, os alunos recebem conteúdo produzido em massa que foi projetado em torno de testes padronizados. É importante mencionar que esses testes não atendem às necessidades de aprendizagem individuais. O conteúdo deve ser entregue de uma forma muito particular, ou seja, em um formato linear. Digamos que todo o percurso educacional apresenta uma pluralidade de Unidades, ou seja, Unidade 1, Unidade 2, e assim por diante, pelo que os alunos não devem prosseguir para a Unidade 2 até aprenderem a Unidade 1. Nem os alunos compreenderão a Unidade 3 até os alunos aprenderam a Unidade 2 e assim por diante.
[003] Outra abordagem da educação é chamada de aprendizagem não linear. Em um nível, a aprendizagem não linear é a maneira que as pessoas aprenderam naturalmente por algumas centenas de milhares de anos. Por exemplo, as pessoas não aprenderam a pescar ou caçar de forma linear - por meio de um processo escalonado de livro didático. Em vez disso, as pessoas aprenderam a fazer essas tarefas realizando, por meio da experiência direta e lidando com as coisas à medida que surgiam. As pessoas também aprenderam a pescar ou caçar, ou outras habilidades, descobrindo o que era importante naquele momento específico e fazendo conexões entre coisas que as pessoas já sabiam e não sabiam, construindo ativamente o conhecimento conforme as pessoas precisavam. Foi tudo muito subjetivo e individual e não linear.
[004] Fazendo referência ao acima exposto, os cérebros humanos são projetados para trabalhar/ aprender dessa maneira, mas é um processo subjetivo porque cada indivíduo vivencia fenômenos sociais e psicológicos distintos. Como foi perfeitamente apresentado por alguns estudiosos “Não é um objetivo único, mas uma experiência que é totalmente única... o aprendizado no ambiente natural não era linear. Há um nível em que ele era, de fato, bastante aleatório. Era situacional”.
[005] Hoje, habilidades para a vida, como planejamento de carreira e aposentadoria, muitas vezes não estão no currículo das instituições de ensino formal. No entanto, é particularmente importante ensinar essas habilidades a adolescentes que ainda não iniciaram suas carreiras e adultos que começaram suas carreiras, mas enfrentam muitos obstáculos e decisões que precisam ser tomadas em relação a suas trajetórias de carreira e planos de aposentadoria. Além disso, muitos indivíduos, ao iniciarem suas carreiras, não estão preparados para as experiências que irão encontrar ao longo do caminho, como experiências com supervisores, também conhecidos como chefes.
[006] Um método de ensino compreende os princípios e métodos usados pelos professores para permitir a aprendizagem dos alunos. Essas estratégias são determinadas em parte no assunto a ser ensinado e em parte pela natureza do aluno. Para que um determinado método de ensino seja apropriado e eficiente, ele deve estar relacionado às características do aluno e ao tipo de aprendizagem que se espera que ele proporcione. As sugestões existem para projetar e a seleção de métodos de ensino deve levar em consideração não apenas a natureza do assunto, mas também como os alunos aprendem. Na escola de hoje a tendência é que incentive muita criatividade. É um fato conhecido que o avanço humano vem por meio do raciocínio. Este raciocínio e pensamento original aumentam a criatividade.
[007] As abordagens de ensino podem ser amplamente classificadas em centradas no professor e centradas no aluno. Na abordagem de aprendizagem centrada no professor, os professores são a principal figura de autoridade neste modelo. Os alunos são vistos como “recipientes vazios”, cuja função principal é receber informações passivamente (por meio de palestras e instrução direta) com o objetivo final de teste e avaliação. É função principal dos professores transmitir conhecimentos e informações a seus alunos. Neste modelo, ensino e avaliação são vistos como duas entidades separadas. O aprendizado do aluno é medido por meio de testes e avaliações objetivamente pontuados.
[008] Na abordagem de aprendizagem centrada no aluno, enquanto os professores são a figura de autoridade neste modelo, professores e alunos desempenham um papel igualmente ativo no processo de aprendizagem. A função principal do professor é treinar e facilitar a aprendizagem do aluno e a compreensão geral do material. O aprendizado do aluno é medido por meio de formas formais e informais de avaliação, incluindo projetos de grupo, carteiras de alunos e participação em classe. Ensino e avaliações estão conectados; o aprendizado do aluno é medido continuamente durante a instrução do professor. Os métodos de ensino comumente usados podem incluir a participação em classe, demonstração, recitação, memorização ou combinações destes.
[009] Referindo-se agora a uma aprendizagem adaptativa, é importante dizer que é uma abordagem sofisticada, orientada por dados e, em alguns casos, não linear para instrução e correção, ajustando-se às interações do aluno e ao nível de desempenho demonstrado e, subsequentemente, antecipando quais tipos de conteúdo e recursos os alunos precisam em um momento específico para fazer progressos.
[010] A aprendizagem adaptativa tem o potencial de transformar a aprendizagem dos alunos, proporcionando aos alunos experiências de aprendizagem individualizada autogerida. A aprendizagem adaptativa pode ser definida como uma abordagem para criar uma experiência de aprendizagem personalizada para os alunos. A aprendizagem adaptativa também tem uma abordagem sofisticada, orientada por dados e, em alguns casos, não linear para instrução e correção, ajustando-se às interações do aluno e ao nível de desempenho demonstrado e, subsequentemente, antecipando quais tipos de conteúdo e recursos os alunos precisam em um momento específico para fazer progressos.
[011] Fazendo referência ao acima exposto, a aprendizagem ativa ocorre quando os alunos não são mais apenas participantes passivos no processo de aprendizagem. O aprendizado ativo pode ser tão simples quanto os alunos trabalharem em grupos na sala de aula em vez de ouvir uma palestra.
[012] A combinação de adaptativo e ativo mostrou aumentar os resultados dos alunos. Essas abordagens pedagógicas fornecem ao corpo docente dados e percepções sobre o desempenho do aluno. Como resultado, mais professores estão mudando as táticas que usam em sala de aula para serem ativos e garantir que todos os alunos tenham sucesso ou alcancem o domínio mais cedo.
[013] No entanto, os sistemas e métodos de ensino do estado da técnica têm vários pontos negativos ou desvantagens. Todas as tentativas de definir habilidades e o que as constitui, falharam em trazer uma definição ou estrutura de habilidades unificada e abrangente no sentido de que se aplica a todos os contextos, tipos de habilidades, níveis e semelhantes. As soluções e métodos disponíveis atualmente tentam empacotar as informações e o conteúdo com “habilidades”, no entanto, variam em tamanho, tamanho do conteúdo, informações cobertas etc.
[014] Assim, um determinado curso no contexto do ensino superior para ensinar uma habilidade irá variar de uma universidade para outra, também será diferente para qualquer um dos mesmos cursos de “habilidade” oferecidos por meio de instrutores ou sites de treinamento online.
[015] Na medida em que sejam eficazes, há sempre uma necessidade de sistemas e métodos novos e aprimorados direcionados a sistemas e métodos de ensino de habilidades para a vida e/ou preparação de indivíduos para experiências de tipo de vida. A presente invenção visa resolver este problema por meios simples e convenientes.
[016] Em uma forma de realização da presente invenção, uma plataforma ou sistema de computação é fornecido. A plataforma de computação é usada para desenvolver, por meio de aprendizagem não linear, uma proficiência desejada de um usuário (um aluno) em um tópico. A plataforma inclui um servidor acoplado comunicativamente a uma rede e inclui um processador, um módulo de potencial de informação adotivo (AIP), um banco de dados contendo porções alocadas para pelo menos dados cognigráficos e dados não cognigráficos e pelo menos um meio de armazenamento legível por computador não transitório tendo instruções legíveis por computador armazenadas no mesmo. O processador executa as instruções legíveis por computador para receber entrada de dados do usuário com base em um conjunto de uma ou mais perguntas solicitadas pela plataforma, o conjunto de uma ou mais perguntas compreendendo dados cognigráficos e dados não cognigráficos.
[017] O processador executa ainda as instruções legíveis por computador para construir um perfil de usuário com base nos dados cognigráficos e não cognigráficos, armazenar o perfil de usuário no banco de dados e gerar, com base no perfil de usuário, uma primeira recomendação AIP para o usuário, a primeira recomendação AIP compreendendo um primeiro conjunto de um ou mais cursos ou treinamentos a serem realizados pelo usuário com base no perfil de usuário. Em seguida, o processador executa as instruções legíveis por computador para executar uma primeira avaliação AIP do usuário, em resposta ao usuário não passar na primeira avaliação AIP, executar um primeiro nível dentre um ou mais níveis de aprendizagem AIP e exibir pelo menos um dentre um ou mais cenários de aprendizagem AIP variáveis para o usuário, em que o primeiro nível é selecionado de acordo com o perfil de usuário, incluindo atributos cognitivos e não cognitivos, e realizar uma verificação contínua e atualização do perfil de usuário com base em um conjunto de uma ou mais condições. Em resposta à conclusão pelo usuário dos um ou mais cenários de aprendizagem AIP variáveis do primeiro nível, fornecer ao usuário um teste de cenário de saída para avançar o usuário para um segundo nível dos um ou mais níveis da aprendizagem AIP com base no teste de cenário de saída. O processador executa as instruções legíveis por computador, executa iterativamente os um ou mais níveis da aprendizagem AIP para atingir a proficiência desejada do usuário no tópico.
[018] Em outra forma de realização da presente invenção, um meio legível por computador é fornecido. O meio legível por computador para armazenar código que representa instruções que, quando executadas no processador, fazem com que o processador armazene instruções para realizar o desenvolvimento, por meio de aprendizagem não linear, de uma proficiência desejada do usuário em um tópico, em que o servidor é acoplado comunicativamente à rede e incluindo o processador, o módulo de potencial de informação adotivo (AIP), o banco de dados contendo porções alocadas para pelo menos dados cognigráficos e dados não cognigráficos.
[019] O meio legível por computador recebe entrada de dados do usuário com base em um conjunto de uma ou mais perguntas solicitadas pela plataforma, o conjunto de uma ou mais perguntas compreendendo dados cognigráficos e dados não cognigráficos e constrói o perfil de usuário com base nos dados cognigráficos e não cognigráficos. O meio legível por computador armazena o perfil de usuário no banco de dados, gera, com base no perfil de usuário, uma primeira recomendação AIP para o usuário, a primeira recomendação AIP compreendendo um primeiro conjunto de um ou mais cursos ou treinamentos a serem realizados pelo usuário com base no perfil de usuário e executa uma primeira avaliação AIP do usuário.
[020] Fazendo referência ao acima exposto, em resposta ao usuário não passar na primeira avaliação AIP, o meio legível por computador executa um primeiro nível dentre um ou mais níveis de aprendizagem AIP e exibe pelo menos um dentre um ou mais cenários de aprendizagem AIP variáveis para o usuário, em que o primeiro nível é selecionado de acordo com o perfil de usuário, incluindo atributos cognitivos e não cognitivos. O meio legível por computador realiza uma verificação contínua e atualização do perfil de usuário com base em um conjunto de uma ou mais condições e, em resposta à conclusão pelo usuário dos um ou mais cenários de aprendizagem AIP variáveis do primeiro nível, fornece ao usuário um teste de cenário de saída, avançando assim o usuário para um segundo nível dos um ou mais níveis da aprendizagem AIP com base no teste de cenário de saída. O meio legível por computador executa iterativamente os um ou mais níveis da aprendizagem AIP para atingir a proficiência desejada do usuário no tópico.
[021] Em ainda outra forma de realização da presente invenção, um método é fornecido. O método de armazenamento de instruções que são executáveis por um ou mais processadores para realizar o desenvolvimento, por meio de aprendizagem não linear, de uma proficiência desejada de um usuário em um tópico, em que um servidor é acoplado comunicativamente a uma rede e incluindo um processador, um módulo de plataforma de informação adotiva (AIP), um banco de dados contendo porções alocadas para pelo menos dados cognigráficos e dados não cognigráficos, e pelo menos um meio de armazenamento legível por computador não transitório tendo instruções legíveis por computador armazenadas no mesmo. O método compreende as etapas de receber entrada de dados do usuário com base em um conjunto de uma ou mais perguntas solicitadas pela plataforma, o conjunto de uma ou mais perguntas compreendendo dados cognigráficos e dados não cognigráficos e construir um perfil de usuário com base nos dados cognigráficos e não cognigráficos.
[022] O método compreende ainda as etapas de armazenar o perfil de usuário no banco de dados e gerar, com base no perfil de usuário, uma primeira recomendação AIP para o usuário, a primeira recomendação AIP compreendendo um primeiro conjunto de um ou mais cursos ou treinamentos a serem realizados pelo usuário com base no perfil de usuário. O método compreende ainda as etapas de executar uma primeira avaliação AIP do usuário e, em resposta ao usuário não passar na primeira avaliação AIP, executar um primeiro nível dentre um ou mais níveis de aprendizagem AIP e exibir pelo menos um dentre um ou mais cenários de aprendizagem AIP variáveis para o usuário, em que o primeiro nível é selecionado de acordo com o perfil de usuário, incluindo atributos cognitivos e não cognitivos.
[023] O método compreende ainda as etapas de realizar uma verificação contínua e atualização do perfil de usuário com base em um conjunto de uma ou mais condições e, em resposta à conclusão pelo usuário dos um ou mais cenários de aprendizagem AIP variáveis do primeiro nível, fornecer ao usuário um teste de cenário de saída. O método compreende ainda as etapas de avançar o usuário para um segundo nível dos um ou mais níveis da aprendizagem AIP com base no teste de cenário de saída; e executar iterativamente os um ou mais níveis da aprendizagem AIP para atingir a proficiência desejada do usuário no tópico.
[024] Uma vantagem da presente invenção é fornecer o inovador sistema, método e meio legível por processador não transitório adaptável para medir e quantificar informações e conhecimento e definir habilidades dividindo- os em unidades quantificáveis e mensuráveis menores, criando assim unidades mínimas de habilidades, habilidades de próxima geração.
[025] Outra vantagem da presente invenção é fornecer o inovador sistema, método e meio legível por processador não transitório para permitir a adaptação e o uso de informações em vários contextos e cenários após a alteração e modificação de suas restrições correspondentes.
[026] Ainda outra vantagem da presente invenção é fornecer o inovador sistema, método e meio legível por processador não transitório para permitir que ações e habilidades sejam praticadas e desafiadas através da capacidade de cenários para avaliar os alunos por meio da avaliação AIP.
[027] Ainda outra vantagem da presente invenção é fornecer o inovador sistema, método e meio legível por processador não transitório que permite treinar alunos para aprender novas habilidades ou melhorar as existentes treinando esses AIPs.
[028] Ainda outra vantagem da presente invenção é fornecer o inovador sistema, método e meio legível por processador não transitório para fornecer metodologia abrangente com base nos estudos interdisciplinares de vanguarda de ciência cognitiva, teorias de aprendizagem e pedagogias.
[029] Ainda outra vantagem da presente invenção é fornecer o inovador sistema, método e meio legível por processador não transitório para melhorar as habilidades cognitivas dos alunos por meio do treinamento em diferentes níveis cognitivos.
[030] Ainda outra vantagem da presente invenção é fornecer o inovador sistema, método e meio legível por processador não transitório que adapta cursos ao perfil cognitivo dos alunos, habilidades e outros fatores não cognitivos.
[031] Ainda outra vantagem da presente invenção é fornecer o inovador sistema, método e meio legível por processador não transitório apresentando uma variedade de cursos para mostrar o equilíbrio entre profundidade e variedade de cursos e informações apresentadas.
[032] Ainda outra vantagem da presente invenção é fornecer o inovador sistema, método e meio legível por processador não transitório que permitirá agilizar e sistematizar a aquisição de conhecimento e gerenciamento de informação nas organizações.
[033] Os objetos e vantagens da presente invenção serão mais facilmente evidentes a partir da inspeção da especificação a seguir, tomada em conexão com o desenho anexo, em que numerais semelhantes se referem a partes semelhantes em toda a extensão e em que uma forma de realização da presente invenção é descrita e ilustrada.
[034] A maneira exata pela qual os citados objetos e vantagens da invenção e outros são alcançados na prática se tornará mais claramente evidente quando for feita referência à seguinte descrição detalhada das formas de realização preferidas da invenção, descritas em detalhes na seguinte especificação e mostrado nos desenhos anexos, em que números de referência semelhantes indicam partes correspondentes em toda a extensão.
[035] Outras vantagens da presente invenção serão facilmente apreciadas à medida que as mesmas se tornam mais bem compreendidas por referência à seguinte descrição detalhada quando considerada em conexão com os desenhos anexos, em que: A Figura 1 é um diagrama de blocos esquemático de um sistema de computação que hospeda um sistema de análise de objeto, de acordo com uma implementação; A Figura 2 mostra um diagrama de fase de Registro e recomendação AIP de um sistema para desenvolver, por meio de aprendizagem não linear, uma proficiência desejada de um usuário em um tópico; A Figura 3 mostra um diagrama de fase do processo de Avaliação AIP do sistema; A Figura 4 mostra um diagrama de fase de Aprendizagem AIP - Cenários e Blocos do sistema; A Figura 5 mostra um diagrama de fase de Verificações AIP e Aprendizagem Não-linear do sistema; e A Figura 6 mostra um diagrama de todo o sistema para desenvolver, por meio de aprendizagem não linear, uma proficiência desejada de um usuário em um tópico.
[036] Com referência às Figuras 1 a 6, um sistema, um método e um meio legível por processador não transitório, ou seja, um meio legível por computador, para desenvolver, por meio de aprendizagem não linear, uma proficiência desejada de um usuário em um tópico são mostrados. Como a identificação explícita de construções orientadas a objetos expressa através da sintaxe de linguagens de programação orientadas a objetos de alto nível é perdida durante a compilação para código binário (por exemplo, tradução de uma definição de código-fonte ou representação de um aplicativo para uma definição de código binário ou representação do aplicativo, tal como um código de máquina ou definição de código de byte), as vulnerabilidades de segurança em potencial podem ser obscurecidas durante a análise estática do código binário resultante. Por exemplo, como as informações sobre um objeto (por exemplo, a classe na qual o objeto é baseado, o tamanho do objeto, o número e tipos ou tamanhos de propriedades do objeto e o número de funcionalidades acessíveis ao objeto por meio de uma tabela de despacho) normalmente não são expressas em código binário, determinar se as operações indiretas relativas ao objeto expõem vulnerabilidades de segurança podem ser difíceis sem o código-fonte a partir do qual o código binário foi gerado.
[037] Como um exemplo específico, uma operação indireta pode resultar em vulnerabilidades de segurança de execução de código arbitrário se o código binário não incluir validação em tempo de execução para garantir que a operação indireta não opere fora ou além do objeto (ou seja, em endereços de memória não alocados ou compartilhados pelo objeto). Algumas representações de código binário de aplicativos, no entanto, incluem informações sobre objetos. Essas informações podem ser incluídas no código binário como informações de tipo em tempo de execução (RTTI) ou informações de depuração que são compiladas no código binário. No entanto, como as representações de código binário de muitos aplicativos não incluem tais informações (por exemplo, para desencorajar a engenharia reversa desses aplicativos), metodologias e sistemas robustos para analisar código binário baseado em (ou derivado de) código-fonte usando técnicas orientadas a objetos não devem compreender a disponibilidade de tais informações.
[038] As implementações aqui discutidas analisam as operações descritas em código binário para identificar objetos com base nessas operações. Dito de outra forma, as implementações aqui discutidas reconstroem, pelo menos parcialmente, objetos (ou representações de objetos)
inferindo a estrutura de tais objetos com base nas operações descritas em código binário. Assim, as implementações discutidas neste documento podem identificar objetos e atributos, tais como um tamanho dos mesmos, sem se referir a (ou independente de) código-fonte ou informações explícitas sobre tais objetos que podem ou não estar incluídos no código binário. Além disso, as implementações aqui discutidas realizam análises de vulnerabilidade de segurança de representações de código binário de aplicativos que usam tais objetos. Por exemplo, as implementações aqui discutidas podem identificar vulnerabilidades de segurança, como vulnerabilidades de confusão de tipo que podem resultar em execução arbitrária de código, injeção de código, falha de aplicativo ou outro comportamento indesejável ou não intencional de um aplicativo usando informações sobre objetos identificados pela análise de operações descritas em código binário.
[039] Como usado neste documento, o termo “módulo de software” se refere a um grupo de código que representa instruções que podem ser executadas em um sistema de computação ou processador para executar alguma funcionalidade. Aplicativos, bibliotecas de software (por exemplo, bibliotecas vinculadas estaticamente ou bibliotecas vinculadas dinamicamente) e estruturas de aplicativos são exemplos de módulos de software. Além disso, conforme usado neste documento, os termos “operações descritas em código binário” e “operações definidas em código binário” e termos ou frases semelhantes referem-se a operações descritas por código que representa instruções que existem em uma representação de código binário (ou representação binária) de um módulo de software.
[040] Em algumas implementações aqui discutidas, as operações descritas em código binário são analisadas (por exemplo, analisadas e interpretadas) em uma representação diferente de uma representação de código binário de um módulo de software. Por exemplo, um sistema de análise de objeto pode analisar operações descritas em código binário usando uma representação intermediária de um módulo de software derivado de uma representação de código binário desse módulo de software.
[041] Por conseguinte, as implementações aqui discutidas com referência à análise de operações descritas em código binário devem ser entendidas como se referindo à análise dessas operações usando uma representação de código binário de um módulo de software ou uma representação do módulo de software derivado da representação de código binário.
[042] Uma variável dentro de uma memória é uma localização de memória na qual um ou mais valores podem ser armazenados. Tal localização de memória pode estar em uma memória de processador (por exemplo, um registro ou cache), em uma memória de sistema (por exemplo, uma memória de acesso aleatório (RAM) de um sistema de computação) ou em alguma outra memória. As operações dentro do código binário que operam em tais variáveis podem referir-se a um endereço de memória (absoluto ou relativo a outro endereço de memória, tal como um deslocamento de um indicador de pilha) dessa localização de memória. Assim, o identificador (por exemplo, endereço de memória) de um objeto pode ser armazenado como um valor em uma localização de memória com um endereço de memória que é usado por operações dentro do código binário.
[043] Consequentemente, tal como aqui utilizado, termos como “identificador de um objeto” e “endereço de memória de um objeto” devem ser entendidos como se referindo ao próprio identificador (por exemplo, endereço de memória) ou a uma variável na qual um valor que representa o identificador é armazenado. Conforme usado neste documento, o termo “módulo” se refere a uma combinação de hardware (por exemplo, um processador, tal como um circuito integrado ou outro circuito) e software (por exemplo, instruções executáveis por máquina ou processador, comandos ou código, tais como firmware, programação ou código-objeto).
[044] Uma combinação de hardware e software inclui apenas hardware (ou seja, um elemento de hardware sem elementos de software), software hospedado em hardware (por exemplo, software que é armazenado em uma memória e executado ou interpretado em um processador) ou em hardware e software hospedado em hardware.
[045] Além disso, conforme usado neste documento, as formas singulares “um”, “uma” e “o”, “a” incluem referentes plurais, a menos que o contexto dite claramente o contrário. Assim, por exemplo, o termo “módulo” se destina a significar um ou mais módulos ou uma combinação de módulos. Além disso, conforme usado neste documento, o termo “com base em” inclui com base, pelo menos em parte. Assim, uma característica que é descrita como baseada em alguma causa, pode ser baseada apenas nessa causa, ou baseada nessa causa e em uma ou mais outras causas.
[046] Será evidente que múltiplas formas de realização desta invenção podem ser praticadas sem alguns ou todos esses detalhes específicos. Em outros casos, operações de processo bem conhecidas não foram descritas em detalhes a fim de não confundir desnecessariamente as presentes formas de realização. A seguinte descrição de formas de realização inclui referências ao desenho anexo. O desenho mostra ilustrações de acordo com formas de realização de exemplo. Estas formas de realização de exemplo, que também são referidas neste documento como “exemplos”, são descritas em detalhes suficientes para permitir que técnicos no assunto pratiquem a presente matéria. As formas de realização podem ser combinadas, outras formas de realização podem ser utilizadas, ou mudanças estruturais, lógicas e operacionais podem ser feitas sem se afastar do escopo do que é reivindicado.
A seguinte descrição detalhada, portanto, não deve ser tomada em um sentido limitativo, e o escopo é definido pelas reivindicações anexas e seus equivalentes.
[047] Fazendo referência ao acima exposto, para os fins deste documento de patente, os termos “ou” e “e” devem significar “e/ou” a menos que indicado de outra forma ou claramente pretendido de outra forma pelo contexto de seu uso. O termo “um” deve significar “um ou mais”, a menos que indicado de outra forma ou onde o uso de “um ou mais” é claramente inadequado. Os termos “compreender”, “compreendendo”, “incluir” e “incluindo” são intercambiáveis e não se destinam a ser limitativos. Por exemplo, o termo “incluindo” deve ser interpretado como significando “incluindo, mas não se limitando a.”
[048] A Figura 1 é um diagrama de blocos esquemático de um sistema ou plataforma de computação, mostrado de modo geral em (100), hospedando um sistema de análise de objeto, de acordo com uma implementação. O sistema de computação (100) inclui processador (102), uma interface de comunicações (104) e uma memória (106) e um sistema operacional hospedeiro (108), um módulo de reconhecimento (110), um módulo de análise (112) e módulo de potencial de informação adaptativo (AIP) (114). O processador (102) é qualquer combinação de hardware e software que executa ou interpreta instruções, códigos ou sinais. Por exemplo, o processador (102) pode ser um microprocessador, um circuito integrado de aplicação específica (ASIC), um processador distribuído, tal como um cluster ou rede de processadores ou sistemas de computação, um processador multi-core ou multiprocessador, ou um processador virtual ou lógico de uma máquina virtual.
[049] A interface de comunicações (104) é um módulo através do qual o processador (102) pode se comunicar com outros processadores ou sistemas de computação via link de comunicações. Por exemplo, o sistema de computação (100) pode relatar vulnerabilidades de segurança para uma caixa de correio eletrônica ou serviço de mensagens instantâneas através de um link de comunicações usando a interface de comunicações (104). Por exemplo, a interface de comunicações (104) pode incluir uma placa de interface de rede e uma pilha de protocolos de comunicações hospedada no processador (510) (por exemplo, instruções ou código armazenado na memória (106) e executado ou interpretado no processador (102) para implementar um protocolo de rede).
[050] Como exemplos específicos, a interface de comunicações (104) pode ser uma interface com fio, uma interface sem fio, uma interface Ethernet, uma interface Fibre Channel, uma interface InfiniBand ou alguma outra interface de comunicações através da qual o processador (102) pode trocar sinais ou símbolos que representam dados para se comunicar com outros processadores ou sistemas de computação. A memória (106) é um meio legível por processador que armazena instruções, códigos, dados ou outras informações. Conforme usado neste documento, um meio legível por processador é qualquer meio que armazena instruções, códigos, dados ou outras informações de forma não transitória e é direta ou indiretamente acessível a um processador.
[051] Dito de outra forma, um meio legível por processador é um meio não transitório no qual um processador pode acessar instruções, códigos, dados ou outras informações. Por exemplo, a memória (106) pode ser uma memória de acesso aleatório volátil (RAM), um armazenamento de dados persistente, como uma unidade de disco rígido ou uma unidade de estado sólido, um disco compacto (CD), um disco de vídeo digital (DVD), um cartão Secure Digital™ (SD), um cartão MultiMediaCard (MMC), um cartão CompactFlash™ (CF) ou uma combinação dos mesmos ou outras memórias.
Dito de outra forma, a memória (106) pode representar vários meios legíveis por processador. Em algumas implementações, a memória (106) pode ser integrada com o processador (102), separada do processador (102) ou externa ao sistema de computação (100).
[052] Fazendo referência ao acima exposto, a memória (106) inclui instruções ou códigos que, quando executados no processador (102), implementam o sistema operacional (108), o módulo de reconhecimento (104) e o módulo de análise (112). Em outras palavras, o sistema operacional (108) e um sistema de análise de objeto incluindo o módulo de reconhecimento (110) e o módulo de análise (112) são hospedados no sistema de computação (100).
Em algumas implementações, o sistema de computação (100) pode ser um sistema de computação virtualizado. Por exemplo, o sistema de computação (100) pode ser hospedado como uma máquina virtual em um servidor de computação.
[053] Além disso, em algumas implementações, o sistema de computação (100) pode ser um dispositivo de computação virtualizado e o sistema operacional (108) é um sistema operacional mínimo ou apenas o suficiente para suportar (por exemplo, fornecer serviços como uma pilha de protocolos de comunicações e acesso a componentes do sistema de computação (100), tais como a interface de comunicações (104), o módulo de reconhecimento (110) e o módulo de análise (112). O módulo de reconhecimento (110) e o módulo de análise (112) podem ser acessados ou instalados no sistema de computação (100) a partir de uma variedade de memórias ou meios legíveis por processador.
[054] Por exemplo, o sistema de computação (100) pode acessar o módulo de reconhecimento (110) e o módulo de análise (112) em um meio legível por processador remoto através da interface de comunicações (104).
Como outro exemplo, o sistema de computação (100) pode incluir (não ilustrado na Figura 1) um dispositivo de acesso de meio legível por processador (por exemplo, CD, DVD, SD, MMC ou uma unidade ou leitor de CF) e pode acessar o módulo de reconhecimento (110) e o módulo de análise (112) em um meio legível por processador por meio daquele dispositivo de acesso meio legível por processador.
[055] Como um exemplo mais específico, o dispositivo de acesso de meio legível por processador pode ser uma unidade de DVD em que um DVD incluindo um pacote de instalação para um ou mais dentre o módulo de reconhecimento (110) e o módulo de análise (112) é acessível. O pacote de instalação pode ser executado ou interpretado no processador (102) para instalar um ou mais dentre o módulo de reconhecimento (110) e módulo de análise (112) no sistema de computação (100) (por exemplo, na memória). O sistema de computação (100) pode então hospedar ou executar o módulo de reconhecimento (110) e o módulo de análise (112). Em algumas implementações, o módulo de reconhecimento (110) e o módulo de análise (112) podem ser acessados ou instalados a partir de múltiplas fontes, locais ou recursos. Por exemplo, alguns componentes do módulo de reconhecimento (110) e do módulo de análise (112) podem ser instalados por meio de um link de comunicações e outros componentes do módulo de reconhecimento (110) e do módulo de análise (112) podem ser instalados a partir de um DVD.
[056] A plataforma de computação (100) da presente invenção é usada para desenvolver, por meio de aprendizagem não linear, uma proficiência desejada de um usuário em um tópico. A plataforma (100) inclui o servidor (101) acoplado comunicativamente a uma rede e incluindo o processador, o módulo de potencial de informação adotivo (AIP) (114), o banco de dados (116) contendo porções alocadas para pelo menos dados cognigráficos e dados não cognigráficos, e pelo menos um meio de armazenamento legível por computador não transitório tendo instruções legíveis por computador armazenadas no mesmo.
[057] O processador (102) executa as instruções legíveis por computador para receber entrada de dados do usuário com base em um conjunto de uma ou mais perguntas solicitadas pela plataforma (100), o conjunto de uma ou mais perguntas compreendendo dados cognigráficos e dados não cognigráficos. O processador (102) executa ainda as instruções legíveis por computador para construir um perfil de usuário com base nos dados cognigráficos e não cognigráficos, armazenar o perfil de usuário no banco de dados (116) e gerar, com base no perfil de usuário, uma primeira recomendação AIP para o usuário, a primeira recomendação AIP compreendendo um primeiro conjunto de um ou mais cursos ou treinamentos a serem realizados pelo usuário com base no perfil de usuário.
[058] Fazendo referência ao acima exposto, o processador (102) executa as instruções legíveis por computador para executar uma primeira avaliação AIP do usuário, em resposta ao usuário não passar na primeira avaliação AIP, executar um primeiro nível dentre um ou mais níveis de aprendizagem AIP e exibir pelo menos um dentre um ou mais cenários de aprendizagem AIP variáveis para o usuário, em que o primeiro nível é selecionado de acordo com o perfil de usuário, incluindo atributos cognitivos e não cognitivos e para realizar uma verificação contínua e atualização do perfil de usuário com base em um conjunto de uma ou mais condições.
[059] Em resposta à conclusão pelo usuário dos um ou mais cenários de aprendizagem AIP variáveis do primeiro nível, fornecer ao usuário um teste de cenário de saída para avançar o usuário para um segundo nível dos um ou mais níveis da aprendizagem AIP baseado no teste de cenário de saída. O processador (102) executa as instruções legíveis por computador, executa iterativamente os um ou mais níveis da aprendizagem AIP para atingir uma proficiência desejada do usuário no tópico.
[060] Cada um dos um ou mais cenários de aprendizagem variáveis compreende cadeias lógicas de blocos de aprendizagem posicionados de acordo com um padrão de aprendizagem do usuário, e em que os um ou mais cenários de aprendizagem AIP variáveis são combinados a um ou mais interesses do usuário correspondentes ao tópico. Os blocos de aprendizagem compreendem pelo menos um bloco de entrada e um bloco de saída conectados entre si. Os blocos de aprendizagem compreendem um conteúdo de entrada e um conteúdo de saída, em que o conteúdo de entrada inclui texto, áudio, vídeo ou imagens e em que os itens de saída incluem interação do usuário com o conteúdo de entrada.
[061] O conjunto das uma ou mais condições compreende pelo menos um dentre: tempo gasto em cada cenário de aprendizagem AIP ou em uma sessão, velocidade de resposta do usuário ou velocidade do usuário em completar uma tarefa ou um objetivo de cada cenário de aprendizagem AIP, número de tentativas do usuário para completar a tarefa ou o objetivo, pontuação de resposta correta absoluta ou relativa, dados demográficos, localização do usuário, dispositivo de computação do usuário, velocidade de conexão do usuário ou condições meteorológicas da localização do usuário. A verificação contínua compreende (1) uma verificação contínua do conjunto das uma ou mais condições e (2) uma avaliação AIP completa.
[062] O processador (102), em resposta à aprovação do usuário na avaliação AIP completa, é configurado para fazer com que o usuário saia da aprendizagem AIP. O processador (102), em resposta à reprovação do usuário na avaliação AIP completa, é configurado para redirecionar o usuário para (1) o pelo menos um dos um ou mais cenários de aprendizagem AIP variáveis, ou (2) um dos um ou mais níveis da aprendizagem AIP. O processador (102), em resposta à aprovação do usuário na primeira avaliação AIP, é configurado para fazer com que o usuário saia da aprendizagem AIP.
[063] O meio legível por computador para armazenar código que representa instruções que, quando executadas no processador (102), fazem com que o processador (102) armazene instruções para realizar o desenvolvimento, por meio de aprendizagem não linear, de uma proficiência desejada de um usuário em um tópico, em que o servidor (101) é acoplado comunicativamente à rede e incluindo o processador (102), o módulo de potencial de informação adotivo (AIP) (114), o banco de dados (116) contendo porções alocadas para pelo menos dados cognigráficos e dados não cognigráficos. O meio legível por computador recebe entrada de dados do usuário com base em um conjunto de uma ou mais perguntas solicitadas pela plataforma (100), o conjunto de uma ou mais perguntas compreendendo dados cognigráficos e dados não cognigráficos e constrói um perfil de usuário com base nos dados cognigráficos e não cognigráficos.
[064] O módulo de potencial de informação adotivo (AIP) gera uma pluralidade de primeiros identificadores A1, A2, A3, A4, ... An que são atribuídos a cada seção de área de assunto ou domínio topicamente projetado e estabelecido para separar concentrações e áreas de estudo específicas dentro do grupo de acordo com o tema ou tópico de estudo e a função. O módulo de potencial de informação adotivo (AIP) (114) divide cada uma das seções de área de assunto em respectivos sub-níveis, em que cada um reflete um elemento de habilidade, tal como especificação e especialização da respectiva área de assunto. O módulo de potencial de informação adotivo (AIP) (114) gera uma pluralidade de segundos identificadores, tais como B1, B2, B3, B4, ... Bn que são atribuídos a cada elemento de habilidade, em que cada elemento de habilidade representa a capacidade de realizar, executar e aplicar de forma adequada um número específico de potenciais que podem ser funcionalmente, topicamente ou tematicamente ligados e agrupados. Cada sub-nível reflete vários elementos de habilidade.
[065] O módulo de potencial de informação adotivo (AIP) (114) gera uma pluralidade de terceiros identificadores C1, C2, C3, C4, ... Cn que são atribuídos a cada elemento de habilidade (20), em que cada um dos terceiros identificadores C1, C2, C3, C4, ... Cn indica pelo menos um dos respectivos níveis de habilidade, tipo e categoria. Uma lista de elementos de critério (30) correlacionados à lista de demandas de habilidade, é separada por uma pluralidade de quartos identificadores D1, D2, D3, D4, ... Dn.
[066] O módulo de potencial de informação adotivo (AIP) (114) gera uma pluralidade de cenários, incluindo séries ou cadeias lógicas de blocos de aprendizagem que serão verificados para garantir que eles estão se encaixando exatamente de acordo com a forma como o aluno aprende enquanto verifica o perfil cognigráfico do aluno a fim de se adaptar a qualquer mudança e redirecioná-los para diferentes níveis ou cenários. O método permite determinar e rastrear a relação e correlação entre a pluralidade dos primeiros identificadores A1, A2, A3, A4, ... An, dos segundos identificadores B1, B2, B3, B4, ... Bn, do terceiro C1, C2, C3, C4, ... Cn a fim de relacionar o resultado final para coincidir com a pluralidade de quartos identificadores D1, D2, D3, D4, ... Dn se a habilidade for aprendida em resposta a perguntas e testes abrangentes de diferentes cenários e níveis, avaliando assim se o aluno concluiu com êxito os cenários e concluiu o treinamento.
[067] O meio legível por computador armazena o perfil de usuário no banco de dados (116), gera, com base no perfil de usuário, uma primeira recomendação AIP para o usuário, a primeira recomendação AIP compreendendo um primeiro conjunto de um ou mais cursos ou treinamentos a serem realizados pelo usuário com base no perfil de usuário e executa uma primeira avaliação AIP do usuário. Em resposta ao usuário não passar na primeira avaliação AIP, o meio legível por computador executa um primeiro nível dentre um ou mais níveis de aprendizagem AIP e exibe pelo menos um dentre um ou mais cenários de aprendizagem AIP variáveis para o usuário, em que o primeiro nível é selecionado de acordo com o perfil de usuário, incluindo atributos cognitivos e não cognitivos.
[068] O meio legível por computador executa uma verificação contínua e atualização do perfil de usuário com base em um conjunto de uma ou mais condições, e em resposta à conclusão pelo usuário dos um ou mais cenários de aprendizagem AIP variáveis do primeiro nível, fornece ao usuário um teste de cenário de saída, avançando assim o usuário para um segundo nível dos um ou mais níveis de aprendizagem AIP com base no teste de cenário de saída. O meio legível por computador executa iterativamente os um ou mais níveis da aprendizagem AIP para atingir a proficiência desejada do usuário no tópico.
[069] Em resposta ao usuário não passar na primeira avaliação AIP, executar o primeiro nível dentre um ou mais níveis de aprendizagem AIP e exibir pelo menos um dentre um ou mais cenários de aprendizagem AIP variáveis, cada um dos um ou mais cenários de aprendizagem AIP variáveis compreende cadeias lógicas de blocos de aprendizagem posicionados de acordo com um padrão de aprendizagem do usuário, e em que os um ou mais cenários de aprendizagem AIP variáveis são combinados a um ou mais interesses do usuário correspondentes ao tópico. O meio legível por computador é adaptável para apresentar os blocos de aprendizagem compreendendo pelo menos um bloco de entrada e um bloco de saída conectados entre si.
[070] O meio legível por computador é adaptável para apresentar os blocos de aprendizagem, incluindo um conteúdo de entrada e um conteúdo de saída, em que o conteúdo de entrada inclui texto, áudio, vídeo ou imagens, e em que os itens de saída incluem interação do usuário com o conteúdo de entrada. O meio legível por computador é adaptável para apresentar o conjunto das uma ou mais condições que compreende pelo menos um dentre: tempo gasto em cada cenário de aprendizagem AIP ou em uma sessão, velocidade de resposta do usuário ou velocidade do usuário em completar uma tarefa ou um objetivo de cada cenário de aprendizagem AIP, número de tentativas do usuário para completar a tarefa ou o objetivo, pontuação de resposta correta absoluta ou relativa, dados demográficos, localização do usuário, dispositivo de computação do usuário, velocidade de conexão do usuário ou condições meteorológicas da localização do usuário.
[071] O meio legível por computador é adaptável para apresentar verificação compreendendo (1) uma verificação contínua do conjunto das uma ou mais condições e (2) uma avaliação AIP completa. O meio legível por computador é configurado para se comunicar com o processador, em resposta à aprovação do usuário na avaliação AIP completa, e configurado para fazer com que o usuário saia da aprendizagem AIP. O meio legível por computador é configurado para receber a resposta à reprovação do usuário na avaliação AIP completa e configurado para redirecionar o usuário para (1) o pelo menos um dos um ou mais cenários de aprendizagem AIP variáveis, ou (2) um dos um ou mais níveis da aprendizagem AIP, em que o processador, em resposta à aprovação do usuário na primeira avaliação AIP, é configurado para fazer com que o usuário saia da aprendizagem AIP.
[072] Um método de armazenamento de instruções que são executáveis por um ou mais processadores para realizar o desenvolvimento, por meio de aprendizagem não linear, de uma proficiência desejada de um usuário em um tópico, em que o servidor (101) é acoplado comunicativamente à rede e incluindo o processador (102), o módulo de plataforma de informação adotiva (AIP) (114), o banco de dados (116) contendo porções alocadas para pelo menos dados cognigráficos e dados não cognigráficos, e pelo menos um meio de armazenamento legível por computador não transitório tendo instruções legíveis por computador armazenadas no mesmo. O método compreende as etapas de receber entrada de dados do usuário com base em um conjunto de uma ou mais perguntas solicitadas pela plataforma (100), o conjunto de uma ou mais perguntas compreendendo dados cognigráficos e dados não cognigráficos e construir o perfil de usuário com base nos dados cognigráficos e não cognigráficos.
[073] O método compreende ainda as etapas de armazenar o perfil de usuário no banco de dados (116) e gerar, com base no perfil de usuário, uma primeira recomendação AIP para o usuário, a primeira recomendação AIP compreendendo um primeiro conjunto de um ou mais cursos ou treinamentos a serem realizados pelo usuário com base no perfil de usuário. O método compreende ainda as etapas de executar uma primeira avaliação AIP do usuário e, em resposta ao usuário não passar na primeira avaliação AIP, executar um primeiro nível dentre um ou mais níveis de aprendizagem AIP e exibir pelo menos um dentre um ou mais cenários de aprendizagem AIP variáveis para o usuário, em que o primeiro nível é selecionado de acordo com o perfil de usuário, incluindo atributos cognitivos e não cognitivos.
[074] O método compreende ainda as etapas de realizar uma verificação contínua e atualização do perfil de usuário com base em um conjunto de uma ou mais condições e, em resposta à conclusão pelo usuário dos um ou mais cenários de aprendizagem AIP variáveis do primeiro nível, fornecer ao usuário um teste de cenário de saída. O método compreende ainda as etapas de avançar o usuário para um segundo nível dos um ou mais níveis da aprendizagem AIP com base no teste de cenário de saída; e executar iterativamente os um ou mais níveis da aprendizagem AIP para atingir a proficiência desejada do usuário no tópico.
[075] Em resposta ao usuário não passar na primeira avaliação AIP, executar o primeiro nível dentre um ou mais níveis de aprendizagem AIP e exibir pelo menos um dentre um ou mais cenários de aprendizagem AIP variáveis, cada um dos um ou mais cenários de aprendizagem AIP variáveis compreende cadeias lógicas de blocos de aprendizagem posicionados de acordo com um padrão de aprendizagem do usuário, e em que os um ou mais cenários de aprendizagem AIP variáveis são combinados a um ou mais interesses do usuário correspondentes ao tópico. O método é adaptável para apresentar os blocos de aprendizagem compreendendo pelo menos um bloco de entrada e um bloco de saída conectados entre si. O método é adaptável para apresentar os blocos de aprendizagem incluindo um conteúdo de entrada e um conteúdo de saída, em que o conteúdo de entrada inclui texto, áudio, vídeo ou imagens, e em que os itens de saída incluem interação do usuário com o conteúdo de entrada.
[076] O método é adaptável para apresentar o conjunto das uma ou mais condições que compreende pelo menos um dentre: tempo gasto em cada cenário de aprendizagem AIP ou em uma sessão, velocidade de resposta do usuário ou velocidade do usuário em completar uma tarefa ou um objetivo de cada cenário de aprendizagem AIP, número de tentativas do usuário para completar a tarefa ou o objetivo, pontuação de resposta correta absoluta ou relativa, dados demográficos, localização do usuário, dispositivo de computação do usuário, velocidade de conexão do usuário ou condições meteorológicas da localização do usuário.
[077] O método é adaptável para apresentar verificação compreendendo (1) uma verificação contínua do conjunto das uma ou mais condições e (2) uma avaliação AIP completa. O método inclui a etapa de configurar para se comunicar com o processador (102), em resposta à aprovação do usuário na avaliação AIP completa e configurado para fazer com que o usuário saia da aprendizagem AIP. O método inclui a etapa de receber a resposta à reprovação do usuário na avaliação AIP completa e configurado para redirecionar o usuário para (1) o pelo menos um dos um ou mais cenários de aprendizagem AIP variáveis, ou (2) um dos um ou mais níveis da aprendizagem AIP, em que o processador, em resposta à aprovação do usuário na primeira avaliação AIP, é configurado para fazer com que o usuário saia da aprendizagem AIP.
[078] A Figura 2 mostra uma fase de registro e recomendação AIP, em que “COGNIGRÁFICOS” significa uma palavra cunhada (cognitivo + gráfico) e se refere a informações sobre as habilidades cognitivas e de aprendizagem, preferências, inteligências e estilos do usuário. Esses dados cognigráficos contribuem e são adicionados ao perfil do aluno. “NÃO COGNIGRÁFICOS” significa qualquer informação sobre o aluno que NÃO está relacionada ao seu aprendizado ou informação cognitiva (cognigráficos). Esses dados incluem dados demográficos (idade, gênero, localização etc.) e outras informações como preferências, visões políticas, visões religiosas etc.
“QUESTIONÁRIO” significa uma das ferramentas e métodos de coleta de dados cognigráficos e não cognigráficos. O questionário assume o formato de uma série de perguntas curtas em que o aluno é solicitado a avaliar ou selecionar as afirmações que melhor as descrevem. “PERFIL DO ALUNO” é uma coleção de dados e informações sobre o aluno que incluem dados pessoais, demográficos, cognigráficos e outros dados não cognigráficos. O perfil é atualizado frequentemente por meio de diferentes ferramentas para mantê-lo o mais relevante e reflexivo possível para o aluno. Ação única de AIP significa a capacidade de adaptar informações em vários contextos e cenários após alterar e modificar suas restrições correspondentes, que DEVEM ter apenas DUAS opções: “pode fazer” ou “não pode fazer”, sem medição de desempenho graduável. Registro: o usuário se registra, conforme mostrado em (1), conforme mostrado em (1-A), o usuário é levado ao PERFIL DO ALUNO para a criação do Perfil do Aluno, conforme mostrado em (2).
[079] Como mostrado em (3), o usuário insere dados e responde questionários e perguntas para construir/ atualizar seu perfil: o questionário ou pesquisa é cientificamente projetado para coletar dados importantes dos alunos, a fim de conhecê-los mais. Quanto mais exatos e precisos forem os dados do perfil do aluno, mais personalizada e eficaz será a aprendizagem. Os tipos de dados que compõem o perfil do aluno são de dois tipos, ou seja, dados cognigráficos e dados não cognigráficos. Este conjunto de dados é sobre as características e atributos dos alunos no que diz respeito às suas habilidades cognitivas, capacidades e pontos fortes.
[080] Alguns alunos podem possuir um tipo específico de inteligência ou talvez tenham um estilo mental específico. Os dados cognigráficos no perfil do aluno armazenam todos esses detalhes importantes e garantirão que o conteúdo de aprendizagem que o aluno obterá corresponda a essas preferências e características. Esses dados são geralmente coletados e atualizados respondendo a alguns questionários ou respondendo a algumas perguntas para desvendar os detalhes cognitivos dos alunos. Os dados não cognigráficos são um conjunto de dados que está relacionado a todos os outros dados não cognitivos que precisamos para tornar a aprendizagem personalizada para cada aluno. Os dados incluem, mas não se limitam a: interesses, passatempos, localização, gênero, raça, visão política etc. Este conjunto de dados também é importante porque vai informar o conteúdo e os cenários aos quais o aluno será exposto e encontrar enquanto estão aprendendo. O conceito é que quanto mais o conteúdo estiver de acordo com os interesses e o ambiente do aluno, mais eficaz será o aprendizado. O perfil do aluno é o ponto de partida do processo de aprendizagem. Informa o tipo, natureza, forma, velocidade do conteúdo de aprendizagem e muitos outros atributos do conteúdo dado a cada aluno.
[081] Enquanto os alunos começam com o conteúdo que está alinhado e correspondendo ao seu perfil de aprendizagem através dos níveis de correspondência, como mostrado na Figura 2, eles irão gradualmente receber conteúdo diferente de outros níveis diferentes, a fim de treiná-los no desenvolvimento de outras habilidades cognitivas, inteligências e outros aspectos que não correspondam ao seu perfil para que adquiram novas capacidades cognitivas. Conforme mostrado em (3-A), os dados são armazenados no banco de dados como o perfil do aluno: esses dados serão atualizados periodicamente e em alguns eventos específicos, tais como acesso, finalização do treinamento etc.
[082] A Figura 3 mostra a fase do processo de Avaliação AIP. A série de teste de habilidade AIP de perguntas para determinar se o aluno pode realizar/ já domina o AIP, fim de AIP do aluno saindo da avaliação ou aprendizagem AIP. O AIP é escolhido e o usuário é levado à avaliação, conforme mostrado em (6). Teste de habilidade AIP: pode fazer ou não pode fazer. A avaliação destina-se a testar se o aluno já está dominando este AIP ou não, conforme mostrado em (7). Ao fazer o teste de habilidade AIP, conforme mostrado em (8) e posteriormente conforme mostrado em (8-A), se passar, saia do AIP, vá para (16): Quando um aluno passa no teste de habilidade AIP, significa que ele é capaz de executá-lo e não há necessidade de fazer o treinamento daquele AIP específico. Conforme mostrado em (8-B), se reprovado, vá para (9). Quando o aluno é reprovado, ele é levado para a aprendizagem AIP.
[083] A Figura 4 mostra uma fase de Aprendizagem AIP - Cenários e Blocos. Os níveis são os dados e informações cognigráficas do aluno distinto que informam a escolha do nível, a natureza do conteúdo, o tipo de conteúdo e a entrega. Existem muitos níveis diferentes. Cada nível é uma capacidade cognitiva OU traço OU capacidade OU tipo de inteligência. Os cenários são séries ou cadeias lógicas de blocos de aprendizagem que se ajustam exatamente de acordo com como o aluno aprende e que conectam os blocos de entrada e os blocos de saída. Itens de conteúdo e telas que têm entrada de informações, tais como textos, áudio, vídeo, imagens etc., e saída onde os alunos interagem com o conteúdo respondendo a perguntas ou solicitações.
[084] Verificações constantes de cognigráficos do aluno (perfil do aluno), a fim de se adaptar a qualquer mudança e redirecioná-los para diferentes níveis ou cenários. Série de blocos e perguntas para verificar se o aluno concluiu o cenário com sucesso. Conjunto de variáveis que é verificado pelo sistema para detectar qualquer mudança nas variáveis e redirecionar o aluno para atualizar o perfil do aluno em conformidade, conforme mostrado em (9). O sistema (100) levará o aluno de acordo com seu perfil de aprendizagem para o respectivo NÍVEL, aqui é o nível X. O perfil do aluno (ponto #3) informará e afetará o nível em que o aluno iniciará o treinamento. O perfil de aprendizagem possui os atributos cognitivos e não cognitivos. Assim, se o perfil do aluno for marcado como musical-rítmico inteligente, o treinamento será iniciado nesse nível, conforme mostrado em (10).
[085] Fazendo referência ao acima exposto, cada AIP possui um número ilimitado de cenários, pois representam como o AIP está sendo executado e realizando um potencial (ação do AIP) pode mudar de um contexto para outro. Por exemplo, o “Relatório de Estado de Recrutamento de Projeto” AIP para Recrutadores na indústria de TI terá um cenário diferente daqueles que são recrutadores na indústria de Educação, ou pode ser oferecido em aprendizagem baseada em projeto em um cenário e em andaimes em outro, ainda que seja o mesmo AIP. Além disso, os cenários podem refletir e corresponder aos interesses dos alunos. Por exemplo, os alunos que têm interesse em carros e motores, serão treinados em cenários que tenham relação com o conteúdo de carros e motores, por exemplo.
[086] O aluno começa a aprendizagem do cenário com uma série de blocos (entrada e saída) que projetou especificamente slides e telas que mostram informações de entrada, como texto e vídeos, e outros slides e telas de saída, tais como atividades e tarefas. Há um conjunto de condições, conforme mostrado em (11), que o sistema (100) verificará com frequência e automaticamente para detectar qualquer mudança na variável e, portanto, atualizar o perfil do aluno. Essas verificações incluirão as seguintes condições: tempo gasto no cenário atual, AIP, sessão, na plataforma etc., velocidade de resposta e quão rápido o aluno está concluindo as tarefas e atividades, tais como o número de tentativas do aluno por atividade ou tarefa, pontuação das respostas corretas (absoluta/ relativa), dados demográficos, localização do aluno, dispositivo que está sendo usado pelo aluno, velocidade de conexão e clima no local do aluno. Com base na resposta do teste dessas condições automaticamente, o aluno pode ser redirecionado para atualizar seu perfil de aluno e, eventualmente, ser redirecionado para um nível ou cenário diferente ou levado para um teste etc. Quando o treinamento do cenário termina, conforme mostrado em (12), os alunos fazem o teste de cenário de saída para determinar a conclusão do cenário. O texto de cenário de saída é uma forma sumativa de medir a conclusão ou o domínio desse elemento ou tópico específico de AIP neste cenário específico.
[087] A Figura 5 mostra fase de Verificações AIP e Aprendizagem Não-linear. Aqui, uma série de perguntas, testes e atividades para testar o progresso e rendimento do aluno em relação ao AIP que está estudando. A avaliação é composta por diferentes atividades e testes de todos os níveis e cenários disponíveis. Processo de verificação contínua: envolve duas verificações: conforme mostrado em (13-A) Verificação contínua das condições, se houver uma mudança, os sistemas levam o aluno para #3.
Conforme mostrado em (13-B), Avaliação de AIP (avaliação completa). Se for concluído com êxito e o aluno for aprovado, ele estará pronto para sair do treinamento AIP. Se reprovar, o sistema verificará o perfil do aluno e pode redirecioná-lo para outro cenário (14) ou nível (15). Se não houver mudança no perfil e nos dados do aluno (dados cognigráficos e não cognigráficos), os alunos repetirão o mesmo cenário.
[088] O sistema levará os alunos a treinar em um cenário diferente no mesmo nível de acordo com o resultado da verificação. Os alunos terão a chance de serem treinados em todos os cenários possíveis disponíveis desse AIP naquele nível específico. Então, o processo de verificação contínua, como mostrado em (13), e redirecionamento para outro cenário, como mostrado em (14), é contínuo. O sistema levará os alunos a diferentes níveis de acordo com o seguinte: verificação contínua de (13) resultado. Quando o aluno termina um nível, ele é levado para outro nível (15) a fim de treinar suas outras capacidades ou habilidades cognitivas fracas. Em seguida, o processo é continuado de acordo com (13) e (14) para verificar se aprova na “avaliação AIP completa”, sair e terminar o treinamento AIP, OU se reprova na “avaliação AIP completa”, o aluno é redirecionado para outros cenários no AIP enquanto a verificação contínua das mudanças do perfil do aluno (cognigráficas e não cognigráficas) será feita.
[089] Embora a invenção tenha sido descrita com referência a uma forma de realização exemplificativa, será entendido por técnicos no assunto que várias mudanças podem ser feitas e equivalentes podem ser substituídos por elementos dos mesmos sem se afastar do escopo da invenção. Além disso, muitas modificações podem ser feitas para adaptar uma situação ou material particular aos ensinamentos da invenção, sem se afastar do escopo essencial da mesma. Portanto, pretende-se que a invenção não seja limitada à forma de realização particular revelada como o melhor modo contemplado para realizar esta invenção, mas que a invenção inclua todas as formas de realização que caem dentro do escopo das reivindicações anexas.
Claims (25)
1. PLATAFORMA DE COMPUTAÇÃO para desenvolver, por meio de aprendizagem não linear, uma proficiência desejada de um usuário em um tópico, caracterizada pela plataforma de computação compreender: um servidor acoplado comunicativamente a uma rede e incluindo um processador, um módulo de potencial de informação adotivo (AIP), um banco de dados contendo porções alocadas para pelo menos dados cognigráficos e dados não cognigráficos, e pelo menos um meio de armazenamento legível por computador não transitório tendo instruções legíveis por computador armazenadas no mesmo, em que o processador executa as instruções legíveis por computador para: receber entrada de dados do usuário com base em um conjunto de uma ou mais perguntas solicitadas pela plataforma, o conjunto de uma ou mais perguntas compreendendo dados cognigráficos e dados não cognigráficos; construir um perfil de usuário com base nos dados cognigráficos e não cognigráficos; armazenar o perfil de usuário no banco de dados; gerar, com base no perfil de usuário, uma primeira recomendação AIP para o usuário, a primeira recomendação AIP compreendendo um primeiro conjunto de um ou mais cursos ou treinamentos a serem realizados pelo usuário com base no perfil de usuário; executar uma primeira avaliação AIP do usuário; em resposta ao usuário não passar na primeira avaliação AIP, executar um primeiro nível dentre um ou mais níveis de aprendizagem AIP e exibir pelo menos um dentre um ou mais cenários de aprendizagem AIP variáveis para o usuário, em que o primeiro nível é selecionado de acordo com o perfil de usuário incluindo atributos cognitivos e não cognitivos;
realizar uma verificação contínua e atualização do perfil de usuário com base em um conjunto de uma ou mais condições; em resposta à conclusão pelo usuário dos um ou mais cenários de aprendizagem AIP variáveis do primeiro nível, fornecer ao usuário um teste de cenário de saída; avançar o usuário para um segundo nível dos um ou mais níveis da aprendizagem AIP com base no teste de cenário de saída; e executar iterativamente os um ou mais níveis da aprendizagem AIP para atingir a proficiência desejada do usuário no tópico.
2. PLATAFORMA DE COMPUTAÇÃO, de acordo com a reivindicação 1, caracterizada por cada um dos um ou mais cenários de aprendizagem variáveis compreender cadeias lógicas de blocos de aprendizagem posicionados de acordo com um padrão de aprendizagem do usuário, e em que os um ou mais cenários de aprendizagem AIP variáveis são combinados a um ou mais interesses do usuário correspondentes ao tópico.
3. PLATAFORMA DE COMPUTAÇÃO, de acordo com a reivindicação 2, caracterizada pelos blocos de aprendizagem compreenderem pelo menos um bloco de entrada e um bloco de saída conectados entre si.
4. PLATAFORMA DE COMPUTAÇÃO, de acordo com a reivindicação 3, caracterizada pelos blocos de aprendizagem compreenderem um conteúdo de entrada e um conteúdo de saída, em que o conteúdo de entrada inclui texto, áudio, vídeo ou imagens, e em que os itens de saída incluem interação do usuário com o conteúdo de entrada.
5. PLATAFORMA DE COMPUTAÇÃO, de acordo com a reivindicação 1, caracterizada pelo conjunto das uma ou mais condições compreender pelo menos um dentre: tempo gasto em cada cenário de aprendizagem AIP ou em uma sessão, velocidade de resposta do usuário ou velocidade do usuário em completar uma tarefa ou um objetivo de cada cenário de aprendizagem AIP, número de tentativas do usuário para completar a tarefa ou o objetivo, pontuação de resposta correta absoluta ou relativa, dados demográficos, localização do usuário, dispositivo de computação do usuário, velocidade de conexão do usuário, ou condições meteorológicas da localização do usuário.
6. PLATAFORMA DE COMPUTAÇÃO, de acordo com a reivindicação 1, caracterizada pela verificação contínua compreender (1) uma verificação contínua do conjunto das uma ou mais condições e (2) uma avaliação AIP completa.
7. PLATAFORMA DE COMPUTAÇÃO, de acordo com a reivindicação 6, caracterizada pelo processador, em resposta à aprovação do usuário na avaliação AIP completa, ser configurado para fazer com que o usuário saia da aprendizagem AIP.
8. PLATAFORMA DE COMPUTAÇÃO, de acordo com a reivindicação 6, caracterizada pelo processador, em resposta à reprovação do usuário na avaliação AIP completa, ser configurado para redirecionar o usuário para (1) o pelo menos um dos um ou mais cenários de aprendizagem AIP variáveis, ou (2) um dos um ou mais níveis da aprendizagem AIP.
9. PLATAFORMA DE COMPUTAÇÃO, de acordo com a reivindicação 1, caracterizada pelo processador, em resposta à aprovação do usuário na primeira avaliação AIP, ser configurado para fazer com que o usuário saia da aprendizagem AIP.
10. MEIO LEGÍVEL POR COMPUTADOR caracterizado por armazenar código que representa instruções que, quando executadas em um processador, fazem com que o processador armazene instruções para realizar o desenvolvimento, por meio de aprendizagem não linear, de uma proficiência desejada de um usuário em um tópico, em que um servidor é acoplado comunicativamente a um rede e incluindo o processador, um módulo de potencial de informação adotivo (AIP), um banco de dados contendo porções alocadas para pelo menos dados cognigráficos e dados não cognigráficos,
compreendendo:
receber entrada de dados do usuário com base em um conjunto de uma ou mais perguntas solicitadas pela plataforma, o conjunto de uma ou mais perguntas compreendendo dados cognigráficos e dados não cognigráficos;
construir um perfil de usuário com base nos dados cognigráficos e não cognigráficos;
armazenar o perfil de usuário no banco de dados;
gerar, com base no perfil de usuário, uma primeira recomendação
AIP para o usuário, a primeira recomendação AIP compreendendo um primeiro conjunto de um ou mais cursos ou treinamentos a serem realizados pelo usuário com base no perfil de usuário;
executar uma primeira avaliação AIP do usuário;
em resposta ao usuário não passar na primeira avaliação AIP,
executar um primeiro nível dentre um ou mais níveis de aprendizagem AIP e exibir pelo menos um dentre um ou mais cenários de aprendizagem AIP variáveis para o usuário, em que o primeiro nível é selecionado de acordo com o perfil de usuário incluindo atributos cognitivos e não cognitivos;
realizar uma verificação contínua e atualização do perfil de usuário com base em um conjunto de uma ou mais condições;
em resposta à conclusão pelo usuário dos um ou mais cenários de aprendizagem AIP variáveis do primeiro nível, fornecer ao usuário um teste de cenário de saída;
avançar o usuário para um segundo nível dos um ou mais níveis da aprendizagem AIP com base no teste de cenário de saída; e executar iterativamente os um ou mais níveis da aprendizagem
AIP para atingir a proficiência desejada do usuário no tópico.
11. MEIO LEGÍVEL POR COMPUTADOR, de acordo com a reivindicação 10, caracterizado por, em resposta ao usuário não passar na primeira avaliação AIP, executar o primeiro nível dentre um ou mais níveis de aprendizagem AIP e exibir pelo menos um dentre um ou mais cenários de aprendizagem AIP variáveis, cada um dos um ou mais cenários de aprendizagem AIP variáveis compreende cadeias lógicas de blocos de aprendizagem posicionados de acordo com um padrão de aprendizagem do usuário, e em que os um ou mais cenários de aprendizagem AIP variáveis são combinados a um ou mais interesses do usuário correspondentes ao tópico.
12. MEIO LEGÍVEL POR COMPUTADOR, de acordo com a reivindicação 11, caracterizado por ser adaptável para apresentar os blocos de aprendizagem compreendendo pelo menos um bloco de entrada e um bloco de saída conectados entre si.
13. MEIO LEGÍVEL POR COMPUTADOR, de acordo com a reivindicação 12, caracterizado por ser adaptável para apresentar os blocos de aprendizagem incluindo um conteúdo de entrada e um conteúdo de saída, em que o conteúdo de entrada inclui texto, áudio, vídeo ou imagens, e em que os itens de saída incluem interação do usuário com o conteúdo de entrada.
14. MEIO LEGÍVEL POR COMPUTADOR, de acordo com a reivindicação 13, caracterizado por ser adaptável para apresentar o conjunto das uma ou mais condições que compreende pelo menos um dentre: tempo gasto em cada cenário de aprendizagem AIP ou em uma sessão, velocidade de resposta do usuário ou velocidade do usuário em completar uma tarefa ou um objetivo de cada cenário de aprendizagem AIP, número de tentativas do usuário para completar a tarefa ou o objetivo, pontuação de resposta correta absoluta ou relativa, dados demográficos, localização do usuário, dispositivo de computação do usuário, velocidade de conexão do usuário, ou condições meteorológicas da localização do usuário.
15. MEIO LEGÍVEL POR COMPUTADOR, de acordo com a reivindicação 14, caracterizado por ser adaptável para apresentar verificação que compreende (1) uma verificação contínua do conjunto das uma ou mais condições e (2) uma avaliação AIP completa.
16. MEIO LEGÍVEL POR COMPUTADOR, de acordo com a reivindicação 12, caracterizado por ser configurado para se comunicar com o processador, em resposta à aprovação do usuário na avaliação AIP completa, e configurado para fazer com que o usuário saia da aprendizagem AIP.
17. MEIO LEGÍVEL POR COMPUTADOR, de acordo com a reivindicação 16, caracterizado por ser configurado para receber a resposta à reprovação do usuário na avaliação AIP completa e configurado para redirecionar o usuário para (1) o pelo menos um dos um ou mais cenários de aprendizagem AIP variáveis, ou (2) um dos um ou mais níveis da aprendizagem AIP, em que o processador, em resposta à aprovação do usuário na primeira avaliação AIP, é configurado para fazer com que o usuário saia da aprendizagem AIP.
18. MÉTODO DE ARMAZENAMENTO DE INSTRUÇÕES que são executáveis por um ou mais processadores para realizar o desenvolvimento, por meio de aprendizagem não linear, de uma proficiência desejada de um usuário em um tópico, em que um servidor é acoplado comunicativamente a uma rede e incluindo um processador, um módulo de potencial de informação adotivo (AIP), um banco de dados contendo porções alocadas para pelo menos dados cognigráficos e dados não cognigráficos, e pelo menos um meio de armazenamento legível por computador não transitório tendo instruções legíveis por computador armazenadas no mesmo, caracterizado pelo método compreender as etapas de: receber entrada de dados do usuário com base em um conjunto de uma ou mais perguntas solicitadas pela plataforma, o conjunto de uma ou mais perguntas compreendendo dados cognigráficos e dados não cognigráficos; construir um perfil de usuário com base nos dados cognigráficos e não cognigráficos; armazenar o perfil de usuário no banco de dados; gerar, com base no perfil de usuário, uma primeira recomendação AIP para o usuário, a primeira recomendação AIP compreendendo um primeiro conjunto de um ou mais cursos ou treinamentos a serem realizados pelo usuário com base no perfil de usuário; executar uma primeira avaliação AIP do usuário; em resposta ao usuário não passar na primeira avaliação AIP, executar um primeiro nível dentre um ou mais níveis de aprendizagem AIP e exibir pelo menos um dentre um ou mais cenários de aprendizagem AIP variáveis para o usuário, em que o primeiro nível é selecionado de acordo com o perfil de usuário incluindo atributos cognitivos e não cognitivos; realizar uma verificação contínua e atualização do perfil de usuário com base em um conjunto de uma ou mais condições; em resposta à conclusão pelo usuário dos um ou mais cenários de aprendizagem AIP variáveis do primeiro nível, fornecer ao usuário um teste de cenário de saída; avançar o usuário para um segundo nível dos um ou mais níveis da aprendizagem AIP com base no teste de cenário de saída; e executar iterativamente os um ou mais níveis da aprendizagem AIP para atingir a proficiência desejada do usuário no tópico.
19. MÉTODO, de acordo com a reivindicação 18, caracterizado por, em resposta ao usuário não passar na primeira avaliação AIP, executar o primeiro nível dentre um ou mais níveis de aprendizagem AIP e exibir pelo menos um dentre um ou mais cenários de aprendizagem AIP variáveis, cada um dos um ou mais cenários de aprendizagem AIP variáveis compreende cadeias lógicas de blocos de aprendizagem posicionados de acordo com um padrão de aprendizagem do usuário, e em que os um ou mais cenários de aprendizagem AIP variáveis são combinados a um ou mais interesses do usuário correspondentes ao tópico.
20. MÉTODO, de acordo com a reivindicação 19, caracterizado por apresentar os blocos de aprendizagem compreendendo pelo menos um bloco de entrada e um bloco de saída conectados entre si.
21. MÉTODO, de acordo com a reivindicação 20, caracterizado por apresentar os blocos de aprendizagem incluindo um conteúdo de entrada e um conteúdo de saída, em que o conteúdo de entrada inclui texto, áudio, vídeo ou imagens, e em que os itens de saída incluem interação do usuário com o conteúdo de entrada.
22. MÉTODO, de acordo com a reivindicação 21, caracterizado por apresentar o conjunto das uma ou mais condições que compreende pelo menos um dentre: tempo gasto em cada cenário de aprendizagem AIP ou em uma sessão, velocidade de resposta do usuário ou velocidade do usuário em completar uma tarefa ou um objetivo de cada cenário de aprendizagem AIP, número de tentativas do usuário para completar a tarefa ou o objetivo, pontuação de resposta correta absoluta ou relativa, dados demográficos, localização do usuário, dispositivo de computação do usuário, velocidade de conexão do usuário ou condições meteorológicas da localização do usuário.
23. MÉTODO, de acordo com a reivindicação 22, caracterizado por apresentar uma verificação que compreende (1) uma verificação contínua do conjunto das uma ou mais condições e (2) uma avaliação AIP completa.
24. MÉTODO, de acordo com a reivindicação 23, caracterizado por se comunicar com o processador, em resposta à aprovação do usuário na avaliação AIP completa e configurado para fazer com que o usuário saia da aprendizagem AIP.
25. MÉTODO, de acordo com a reivindicação 24, caracterizado por receber a resposta à reprovação do usuário na avaliação AIP completa e configurado para redirecionar o usuário para (1) o pelo menos um dos um ou mais cenários de aprendizagem AIP variáveis, ou (2) um dos um ou mais níveis da aprendizagem AIP, em que o processador, em resposta à aprovação do usuário na primeira avaliação AIP, é configurado para fazer com que o usuário saia da aprendizagem AIP.
Figura 1 Rede
Sistema de computação
Petição 870210062892, de 12/07/2021, pág. 97/101 Servidor Memória
Sistema Módulo de Módulo AIP operacional análise Processador
Módulo de Banco de reconhecimento dados Interface de 1/4 comunicações
Dados cognigráficos e não cognigráficos
Questionário/ Perfil do aluno Recomendação Registro verificação sis.
AIP
Figura 2
Figura 3 Nível 0 - Avaliação Teste de habilidade AIP Recomendação (Pode fazer ou não pode Sim/Não Pode fazer AIP Fim de AIP fazer) Petição 870210062892, de 12/07/2021, pág. 98/101
AIP Não pode fazer AIP Avaliação AIP completa completa Avaliação Para aprendizagem AIP Módulo AIP 2/4 Figura 4 Nível X Fim do Verifi- Teste de Blocos cação cenário Cenário 1
Figura 5 Nível 0 - Avaliação Teste de habilidade AIP (Pode fazer ou não pode Sim/Não Fim de AIP fazer)
Petição 870210062892, de 12/07/2021, pág. 99/101 Condições de Avaliação AIP verificação completa
Nível X Nível Y
Fim do Fim do Verifi- Verifi- 3/4
Blocos Teste de Blocos Teste de cação cação cenário
Cenário 1 cenário Cenário 1
Fim do Fim do Blocos Verifi- Blocos Verifi- Teste de cação Teste de cação cenário
Cenário X cenário Cenário X
Atualizar dados cognigráficos e não cognigráficos
Questionário/ Perfil do aluno verificação sis.
Módulo AIP Pode fazer AIP Recomendação Nível 0 - Avaliação
AIP Teste de habilidade AIP (Pode fazer ou não pode Sim/Não Fim de AIP Petição 870210062892, de 12/07/2021, pág. 100/101 fazer) Condições de Avaliação AIP verificação completa Não pode fazer AIP/ Para aprendizagem AIP Nível X Nível Y 4/4 Fim do Verifi- Fim do Blocos Verifi- Blocos cação Teste de cação Teste de Cenário 1 Cenário 1 cenário cenário Fim do Fim do Blocos Verifi- Blocos Verifi- cação Teste de cação Teste de Cenário X cenário cenário Cenário X Registro Atualizar dados cognigráficos e não cognigráficos Questionário/ Perfil do aluno verificação sis. Figura 6
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/US2019/013407 WO2020145994A1 (en) | 2019-01-13 | 2019-01-13 | System, method, and computer readable medium for developing proficiency of a user in a topic |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| BR112021013688A2 true BR112021013688A2 (pt) | 2021-09-21 |
Family
ID=71520581
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| BR112021013688-6A BR112021013688A2 (pt) | 2019-01-13 | 2019-01-13 | Plataforma de computação, meio legível por computador e método de armazenamento de instruções |
Country Status (12)
| Country | Link |
|---|---|
| EP (1) | EP3921821A4 (pt) |
| JP (1) | JP2022524568A (pt) |
| KR (1) | KR20210126598A (pt) |
| CN (1) | CN113614812A (pt) |
| AU (1) | AU2019421568A1 (pt) |
| BR (1) | BR112021013688A2 (pt) |
| CA (1) | CA3126346A1 (pt) |
| EA (1) | EA202191978A1 (pt) |
| IL (1) | IL284935A (pt) |
| MX (1) | MX2021008444A (pt) |
| SG (1) | SG11202105444YA (pt) |
| WO (1) | WO2020145994A1 (pt) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11875286B1 (en) | 2022-08-12 | 2024-01-16 | Flourish Worldwide, LLC | Methods and systems for optimizing value in certain domains |
| US11803820B1 (en) | 2022-08-12 | 2023-10-31 | Flourish Worldwide, LLC | Methods and systems for selecting an optimal schedule for exploiting value in certain domains |
Family Cites Families (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004525410A (ja) * | 2001-02-28 | 2004-08-19 | シスコ・ラーニング・インスティテュート | 分散学習用システム |
| JP2004302226A (ja) * | 2003-03-31 | 2004-10-28 | Nacse Japan Kk | 学習支援システム及び装置 |
| US8182270B2 (en) * | 2003-07-31 | 2012-05-22 | Intellectual Reserve, Inc. | Systems and methods for providing a dynamic continual improvement educational environment |
| JP2007200038A (ja) * | 2006-01-26 | 2007-08-09 | Seiko Instruments Inc | 学習機および学習システム |
| GB2446427A (en) * | 2007-02-07 | 2008-08-13 | Sharp Kk | Computer-implemented learning method and apparatus |
| KR100732880B1 (ko) * | 2007-02-23 | 2007-06-28 | 김재우 | 통신망을 기반으로 한 외국어 학습 시스템 및 그 방법 |
| US20090035733A1 (en) * | 2007-08-01 | 2009-02-05 | Shmuel Meitar | Device, system, and method of adaptive teaching and learning |
| US20120214147A1 (en) * | 2011-02-16 | 2012-08-23 | Knowledge Factor, Inc. | System and Method for Adaptive Knowledge Assessment And Learning |
| US20150242979A1 (en) * | 2014-02-25 | 2015-08-27 | University Of Maryland, College Park | Knowledge Management and Classification in a Quality Management System |
| WO2016161460A1 (en) * | 2015-04-03 | 2016-10-06 | Kaplan, Inc. | System and method for adaptive assessment and training |
| CN108122437A (zh) * | 2016-11-28 | 2018-06-05 | 北大方正集团有限公司 | 自适应学习方法及装置 |
| CN106897950B (zh) * | 2017-01-16 | 2020-07-28 | 北京师范大学 | 一种基于单词认知状态模型适应性学习系统及方法 |
| US20180286267A1 (en) * | 2017-03-31 | 2018-10-04 | Pearson Education, Inc. | Systems and methods for automated response data sensing-based next content presentation |
-
2019
- 2019-01-13 EP EP19908159.7A patent/EP3921821A4/en not_active Withdrawn
- 2019-01-13 EA EA202191978A patent/EA202191978A1/ru unknown
- 2019-01-13 KR KR1020217025526A patent/KR20210126598A/ko not_active Application Discontinuation
- 2019-01-13 MX MX2021008444A patent/MX2021008444A/es unknown
- 2019-01-13 SG SG11202105444YA patent/SG11202105444YA/en unknown
- 2019-01-13 CA CA3126346A patent/CA3126346A1/en active Pending
- 2019-01-13 WO PCT/US2019/013407 patent/WO2020145994A1/en unknown
- 2019-01-13 JP JP2021539158A patent/JP2022524568A/ja active Pending
- 2019-01-13 BR BR112021013688-6A patent/BR112021013688A2/pt not_active Application Discontinuation
- 2019-01-13 AU AU2019421568A patent/AU2019421568A1/en not_active Abandoned
- 2019-01-13 CN CN201980088908.3A patent/CN113614812A/zh active Pending
-
2021
- 2021-07-19 IL IL284935A patent/IL284935A/en unknown
Also Published As
| Publication number | Publication date |
|---|---|
| EP3921821A4 (en) | 2022-10-26 |
| IL284935A (en) | 2021-09-30 |
| AU2019421568A1 (en) | 2021-07-29 |
| JP2022524568A (ja) | 2022-05-09 |
| CA3126346A1 (en) | 2020-07-16 |
| SG11202105444YA (en) | 2021-06-29 |
| EA202191978A1 (ru) | 2021-12-31 |
| WO2020145994A1 (en) | 2020-07-16 |
| EP3921821A1 (en) | 2021-12-15 |
| MX2021008444A (es) | 2021-12-10 |
| KR20210126598A (ko) | 2021-10-20 |
| CN113614812A (zh) | 2021-11-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Brown et al. | Student conceptions of feedback: Impact on self‐regulation, self‐efficacy, and academic achievement | |
| Varela | Learning outcomes of study-abroad programs: A meta-analysis | |
| Shaffer et al. | Use of the test of scientific literacy skills reveals that fundamental literacy is an important contributor to scientific literacy | |
| Fuller | Shaky methods, shaky motives: A critique of the National Council of Teacher Quality’s review of teacher preparation programs | |
| Camilleri et al. | Beyond static assessment of children's receptive vocabulary: the dynamic assessment of word learning (DAWL) | |
| Martin et al. | The impact of instructional elements in computer‐based instruction | |
| Lynch et al. | Relationships between observations of elementary mathematics instruction and student achievement: Exploring variability across districts | |
| Hopster‐den Otter et al. | A general framework for the validation of embedded formative assessment | |
| González‐Calero et al. | Intensive scaffolding in an intelligent tutoring system for the learning of algebraic word problem solving | |
| Whitney et al. | Embedding secure coding instruction into the ide: Complementing early and intermediate cs courses with eside | |
| Hardy | Competing pressures in practice: Teachers’ pedagogies and work under complex policy conditions | |
| Jenkins | Not your same old story: New rules for thematic apperceptive techniques (TATs) | |
| Critchfield | Online equivalence‐based instruction about statistical inference using written explanation instead of match‐to‐sample training | |
| Brugar et al. | Elementary students’ challenges with informational texts: Reading the words and the world | |
| Bedyńska et al. | Stereotype threat is linked to language achievement and domain identification in young males: Working memory and intellectual helplessness as mediators | |
| BR112021013688A2 (pt) | Plataforma de computação, meio legível por computador e método de armazenamento de instruções | |
| Nagel et al. | Validation of newly developed tasks for the assessment of generic Critical Online Reasoning (COR) of university students and graduates | |
| Schmidt et al. | Halo effects in grading: An experimental approach | |
| Nixon et al. | Describing failure in a clinical clerkship: Implications for identification, assessment and remediation for struggling learners | |
| Haug et al. | Guidelines for sign language test development, evaluation, and use | |
| Kavakli et al. | Applying EALTA Guidelines as Baseline for the Foreign Language Proficiency Test in Turkey: The Case of YDS. | |
| Ross et al. | Development of a framework of medical undergraduate teaching activities | |
| Nick et al. | A Global Approach to Promoting Evidence‐Based Practice Knowledge: Validating the Translated Version of the Evidence‐Based Practice Knowledge Assessment in Nursing Into Spanish | |
| de Almeida Barbosa et al. | Formative assessment in the foreign language classroom | |
| Guthrie | Where’s the Mine Detector? |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| B06W | Patent application suspended after preliminary examination (for patents with searches from other patent authorities) chapter 6.23 patent gazette] | ||
| B11B | Dismissal acc. art. 36, par 1 of ipl - no reply within 90 days to fullfil the necessary requirements |