Learning analytics e avaliações online: uma metodologia orientada a ciência de dados em grafos

• Ano de defesa: 2023
• Autor(a) principal: Melo, Elvis Medeiros de
• Orientador(a): Silva, Ivanovitch Medeiros Dantas da
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal do Rio Grande do Norte
• Programa de Pós-Graduação: PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA E DE COMPUTAÇÃO
• País: Brasil
• Palavras-chave em Português: Learning analytics; Ciência de dados em grafos; Grafos; Avaliação online; Machine learning; eXplainable artificial intelligence
• Área do conhecimento CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
• Link de acesso: https://repositorio.ufrn.br/handle/123456789/51948

A avaliação é um instrumento importante para corrigir falhas e promover acertos em processos de aprendizagem. É um dos pilares da educação, junto com o currículo e o processo de ensino e aprendizagem. Com a pandemia de COVID-19, a Universidade Federal do Rio Grande do Norte (UFRN) adotou a plataforma Multiprova para suportar a avaliação online. Com a informatização dos processos de avaliação, surge a necessidade de usar técnicas de Learning Analytics (LA) e ciência de dados em grafos para entender o comportamento dos estudantes e identificar perfis de alunos a partir de registros de resoluções de avaliações online. Ao analisar a literatura, existe a necessidade de transformar modelos interpretáveis na educação. Para isso, técnicas de visualização de dados e eXplainable Artificial Intelligence (XAI) precisam ser consideradas. A hipótese proposta é de que é possível usar esses dados para obter insights sobre o processo de aprendizagem e perfis de estudantes usando técnicas de LA, como modelagem de grafos e Machine Learning (ML). Para tanto, é apresentado o quadro de fundamentação teórica acerca dos temas que compõem o objeto de estudo, como grafos, LA e avaliações online. Dentre os resultados, uma revisão sistemática da literatura apontou 40 trabalhos envolvendo LA e avaliações online, porém, nenhum trabalho utilizou métricas grafos com técnicas de LA, como ML para analisar o desempenho dos estudantes. Além disso, dois estudos de caso foram modelados segundo a proposta de metodologia orientada a ciência de dados em grafos, com cerca de 78,75% das features de grafo explicando os modelos de ML utilizados. Percebemos a importância do uso de features de grafos em técnicas de LA na identificação de insights sobre a aprendizagem dos estudante considerando a sua jornada na avaliação online, assim como uso de métricas de grafos e XAI para a interpretação dos resultados.