Segundo o Instituto Nacional de Estudos e Pesquisas Educacionais (INEP), mais de 90 por cento dos ingressantes nos cursos de engenharias não chegam a se formar. Dentre os fatores que influenciam essa estatística, está o desnível entre os estudantes e a desmotivação devido ao grande número de reprovações. Buscando colaborar com a diminuição dos desistentes, este trabalho aplica teorias sobre sistemas adaptativos e de objetos de aprendizagem na construção de um sistema adaptativo que utiliza a Quantização de Redes por Nodos em um ambiente de vídeos interativos, que se comporta de formas distintas segundo diferentes perfis de estudantes e serve como um material de auxílio aos professores fora da sala de aula. Além disso, um aspecto importante abordado neste trabalho é o estudo das Hipermídias Adaptativas e, em especial, dos vídeos interativos, recursos que permitem a interação entre o aprendiz e o material de ensino, condição que corrobora para a ocorrência de aprendizagem significativa, confirmando a possibilidade da utilização da QRN como algoritmo para quantização para redes hipermídia.

__________________________________________________________________________ ABSTRACT

According totheBrazilianNationalInstituteforEducationalStudies andResearch (INEP), more than 90 percent of freshmen in engineering courses fail to graduate. Among the factors that influence this statistic is the gap between students and discouragement due to the large number of failures. Seeking to collaborate with decreasing dropouts, this study applies theories of adaptive systems and learning objects for building an adaptive system that uses a quantization networks for nodes in an environment of interactive videos and behaves in different ways according to different profiles of students and serving as a material aid to teachers outside of the classroom. In addition, an important aspect addressed in this work is the study of the Adaptive hypermedia and in particular interactive videos, features that allow interaction between the learner and the learning material, a condition which corroborates to the occurrence of meaningful learning, confirming the possibility of using the QRN as an algorithm for quantization of hypermedia networks.