Uma abordagem com learning analytics e séries temporais na análise de dados educacionais

• Ano de defesa: 2018
• Autor(a) principal: BRANDÃO, José Orlando da Silva
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal Rural de Pernambuco; Departamento de Estatística e Informática; Brasil; UFRPE; Programa de Pós-Graduação em Informática Aplicada
• Palavras-chave em Português: Série temporal; Learning analytics; Análise de dados; Educação a distância; Padrão comportamental; Estudante; CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
• Link de acesso: http://www.tede2.ufrpe.br:8080/tede2/handle/tede2/7853

A modalidade de educação a distância (EaD), antes discriminada por estudantes dos mais variados seguimentos sociais, vem se firmando como uma excelente alternativa à educação tradicional. A sua evolução tem estreitos laços com os avanços em tecnologia da informação e comunicações. A expansão da banda larga para os lugares mais distantes do país, oferecendo acessos cada vez mais velozes à internet, favorece a disseminação de cursos de EaD oferecidos por instituições educacionais da iniciativa privada e pública. Essa mudança de paradigma na educação trouxe transformações no comportamento de gestores e professores, que cada vez mais fazem do uso da tecnologia para criação de conteúdos didáticos mais interessantes e interativos, bem como, no comportamento dos estudantes, que devem se adaptar à nova realidade, deixando de ser agentes passivos no processo educacional para se tornarem agentes ativos de sua própria aprendizagem, por meio de comportamentos de autorregulação. Para que ocorra a interação on-line entre estudantes e professor, é necessário a implantação de um ambiente virtual de aprendizagem (AVA), a exemplo do Moodle. Esse ambiente é fundamental para a comunicação síncrona e assíncrona entre os atores da EaD, armazenando em seu banco de dados todas as interações que estudantes, professores e tutores realizam durante as atividades on-line. Tais interações tornaram-se campo fértil para pesquisadores de mineração de dados educacionais e learning analytics estudarem o comportamento desses estudantes por meio de atributos derivados dessas interações. Neste contexto, esta pesquisa apresenta uma abordagem de aprendizado não supervisionado de máquina, com o algoritmo de agrupamentos k-means, para descobrir padrões de comportamentos de engajamento e procrastinação de estudantes de um curso de licenciatura a distância. As interações de estudantes e professores foram extraídas de arquivos de logs do Moodle, AVA utilizado pela Instituição de Ensino Superior que oferece o curso, e transformadas em atributos usados na criação das séries temporais que compõem o conjunto de dados de entrada do algoritmo de agrupamento. Encontrando como resultado grupos de estudantes com níveis baixo, intermediário e alto de engajamento, que apresentam relação entre o comportamento de procrastinação e o desempenho ao final da disciplina.