Aplicação de aprendizado de máquina para a análise do perfil social e psicológico de ingressantes no curso de Engenharia Metalúrgica e de Materiais da Escola Politécnica/USP.

• Ano de defesa: 2023
• Autor(a) principal: Weingärtner Júnior, Paulo Roberto
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Active learning; Análise de correspondência múltipla; Descriptive statistical analysis; Engineering students; Estatística descritiva; Inteligência artificial; Mapas auto-organizáveis; Multiple Correspondence Analysis (MCA); Myers-Briggs Type Indicator (MBTI); Perfil do aluno; Psychological profile of students; Self-Organizing Maps (SOM)
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/3/3133/tde-26102023-110949/

Com o objetivo de atender a Diretriz Curricular Nacional do Curso de Graduação em Engenharia (DCN) de 2019, no que se refere à aprendizagem ativa e a compreensão do perfil de aprendizagem dos alunos, entre os anos de 2017 e 2021 aplicou-se duas pesquisas entre os ingressantes do curso de Engenharia Metalúrgica e de Materiais da Escola Politécnica da USP (PMT USP): uma pesquisa questionando sobre características sociais do calouros e; o teste Myers-Briggs Type Indicator (MBTI), que tem como objetivo identificar as características psicológicas de alunos ingressantes. Diante as informações sociais e psicológicas obtidas, submeteu-se os dados aos métodos de Análise de normalidade Shapiro-Wilk, de homogeneidade Fligner-Killeen, Análise Exploratória de Dados de Anomalias (Outliers) e a Análise Multivariada Não Paramétrico Kruskal-Wallis. Também realizou-se análise por Mapas Auto-Organizáveis (Self-Organizing Maps SOM) para estudo das características psicológicas dos ingressantes. Os resultados obtidos foram submetidos à comparação sob duas técnicas, uma nova aplicação de Análise Multivariada Não Paramétrica Kruskal-Wallis e Análise de Correspondência Múltipla, cujo resultados indicaram relação da técnica estatística com os dados provenientes do método computacional SOM. O método computacional apresentou que os calouros do PMT, em sua maioria, apresentam melhores resultados de aprendizagem com a utilização de atividades práticas durantes as aulas (47,1%), seguido de aprendizagem com teorias do funcionamento das coisas (28,7%) e também com a utilização de atividades simbólicas e metafóricas (24,3%). Foi constatado, também, que a maioria dos alunos do PMT pensam em alternativas de mudança de curso ou de cursar módulos fora do programa de metalurgia/materiais. Os dados relacionaram vários perfis de personalidades com tendências à Sentimentos (F), característica pertinente à geração Z (iGen ou Centennials), inclusive grande tendência ao sentimento por parte do grupo ST, que é característico do grupo Pensamento (T). Os achados indicam alternativas para o uso do método aprendizagem ativa na engenharia, que preconiza utilização de recursos educacionais não tradicionais para o ensino de conceitos e técnicas de engenharia.