MREPSA: Modelo de Recomendação de Estratégias Pedagógicas baseado em Aspectos Socioafetivos do Aluno em Ambiente Virtual de Aprendizagem
Resumo
Este artigo investiga a construção de um modelo de recomendação de estratégias pedagógicas baseado nos aspectos socioafetivos do aluno em Ambiente Virtual de Aprendizagem (AVA). A metodologia da pesquisa é de natureza aplicada, de caráter exploratório, dentro de uma abordagem qualitativa e quantitativa baseada em estudo de casos múltiplos. O público-alvo da pesquisa são professores universitários. Os resultados apresentados apontam que as recomendações fornecidas são pertinentes com os estados socioafetivos dos estudantes. Ressaltam, ainda, que as sugestões são adequadas e úteis como ferramenta de apoio ao professor. Desse modo, as EP auxiliam a compreender a situação em que o aluno se encontra, ao mesmo tempo, que provêm sugestões de ação pedagógica em resposta ao momento que este está passando. Dessa forma, o MREPSA constitui importante suporte tecnológico de apoio ao docente no atendimento às necessidades afetivas e sociais do aluno no ambiente virtual.
Palavras-chave:
Estratégias Pedagógicas, Recomendação, Aspectos Socioafetivos
Referências
Aggarwal, C. Recommender systems. Springer International Publishing, 2016.
Alarcon, G. M.; Edwards, J. M. Ability and motivation: Assessing individual factors that contribute to university retention. Journal of Educational Psychology, p. 129, 2013.
Allport, G. W. Personalidade: Padrões e desenvolvimento. São Paulo: EPU, 1973.
Amaral, C. B. Estratégias Pedagógicas para o Ensino Fundamental: um Enfoque na Dimensão Socioafetiva. Tese (Doutorado em Educação) - Programa de Pós-graduação em Educação, Universidade Federal do Rio Grande do Sul, Porto Alegre, 2017.
Bóbó, M., Campos, F., Stroele, V., David, J., & Braga, R. Identificação do Perfil Emocional do Aluno Através de Análise de Sentimento: Combatendo a Evasão Escolar. In: Brazilian Symposium on Computers in Education, 2019.
Burke, R. Hybrid Web Recommender Systems. In: Brusilovsky et al., The Adaptive Web. Berlin Heidelberg: Springer Berlin Heidelberg, 2007. p. 377–408.
Cabada, R. Z., Estrada, M. L. B., Hernández, F. G., Bustillos, R. O., Reyes-García, C. A. An affective and Web 3.0-based learning environment for a programming language. Telematics and Informatics, v.35, n. 3, p.611-628, 2018.
Costa, N., Júnior, C. P., & Fernandes, M. Recomendação de Ações Pedagógicas Utilizando Planejamento Automático e Taxonomia Digital de Bloom. In: Simpósio Brasileiro de Informática na Educação-(SBIE), Vol. 30, No. 1, p. 1531, 2019.
Cuadrado, L. I.; Manjarrés Riesco, A.; López, F. L. P. Artie: An integrated environment for the development of affective robot tutors. Frontiers in computational neuroscience, v. 10, p. 77, 2016.
Dantas, A. C., De Melo, S., Fernandes, M., Lima, L., Do Nascimento, M. Z. Recomendação de estratégias pedagógicas através de emoções, perfis de personalidade e inteligências múltiplas utilizando raciocínio baseado em casos. In: Simpósio Brasileiro de Informática na Educação (SBIE), p. 1213, 2018.
Dlab, M. H.; Hoić-Božić, N. Increasing students' academic results in e-course using educational recommendation strategy. In: Proceedings of the 17th International Conference on Computer Systems and Technologies 2016. p. 391-398, 2016.
Gil, Antonio Carlos. Como elaborar projetos de pesquisa. São Paulo: Atlas, 2006.
Herlocker, J. L. Understanding and Improving Automated Collaborative Filtering Systems. Tese (Doutorado em Ciência da Computação) – Departamento de Ciência da Computação, University of Minnesota, Minnesota, 2000.
John, O. P.; Srivastava, S. The Big Five trait taxonomy: History, measurement, and theoretical perspectives. In L. A. Pervin & O. P. John (Org.), Handbook of personality: Theory and research, v2. New York: Guilford Press,1999, p. 102-138.
Klašnja-Milićević, A., Ivanović, M., Vesin, B., & Budimac, Z. Enhancing e-learning systems with personalized recommendation based on collaborative tagging techniques. Applied Intelligence, v.48, n. 6, 1519-1535, 2018.
Kowald, D., Lacic, E., Theiler, D., Lex, E. Afel-Rec: A Recommender System For Providing Learning Resource Recommendations In: Social Learning, Arxiv, 2018.
Longhi, M.T. Mapeamento de aspectos afetivos em um ambiente virtual de aprendizagem. Tese (Doutorado em Informática na Educação) - Programa de Pós-graduação em Informática na Educação, Universidade Federal do Rio Grande do Sul, Porto Alegre, 2011.
Longhi, M. T.; Machado, L. R., Ribeiro, A. C. R.; Behar, P. A. Mapa social: ferramenta sociométrica para mapear as interações sociais na educação a distância. In: Congreso Internacional sobre Aplicación de Tecnologías de la Información y Comunicaciones Avanzadas Actas, 2014.
López, M. B., Montes, R. A. J. H., Hernández R. V., Cabada G. A., R. Z., Estrada, M. L. B. EmoRemSys: Sistema de recomendación de recursos educativos basado en detección de emociones. RISTI-Revista Ibérica de Sistemas e Tecnologias de Informação, n. 17, p. 80-95, 2016.
Maravanyika, M., Dlodlo, N., Jere, N. An adaptive recommender-system based framework for personalised teaching and learning on e-learning platforms. In: 2017 IST-Africa Week Conference (IST-Africa). IEEE, p. 1-9, 2017.
Moraes, R. Análise de Conteúdo. Revista Educação. Porto Alegre, n.37, p.7-32, 1999.
Pereira, C. K., Campos, F., Ströele, V., David, J. M. N., Braga, R. BROAD-RSI– educational recommender system using social networks interactions and linked data. Journal of Internet Services and Applications, v. 9, n.1, 2018.
Piaget, J. Relações entre a afetividade e a inteligência no desenvolvimento mental da criança. Rio de Janeiro: Wak, 2014.
Rosenberg, E. L. Levels of analysis and the organization of affect. Review of General Psychology, v. 2, n. 3, p. 247-270, 1998.
Santos, O. C., Saneiro, M., Boticario, J. G. E R. Sanchez, M. C. Toward interactive context-aware affective educational recommendations in computer-assisted language learning. New Review of Hypermedia and Multimedia, p. 27-57, 2016.
Syed, T.A., Palade, V., Iqbal, R., Nair, S.K. Building a Dataset for Personalized learning Recommendation System. In: International Conference on Advances in Computing, Communications and Informatics, p. 2080-2086, 2018.
Tacca, M.C.V.R, Aprendizagem e Trabalho Pedagógico. Linhas Críticas, 2006.
Tadlaoui, M., Sehaba, K., George, S., Chikh, A., Bouamrane, K. Social recommender approach for technology-enhanced learning. International Journal of Learning Technology, vol.13, n. 1, p. 61-89, 2018.
Tang, T.Y., Mccalla, G.I. A multidimensional paper recommender: experiments and evaluations. IEEE Internet Computing, 13,3, p. 4–41, 2009.
Alarcon, G. M.; Edwards, J. M. Ability and motivation: Assessing individual factors that contribute to university retention. Journal of Educational Psychology, p. 129, 2013.
Allport, G. W. Personalidade: Padrões e desenvolvimento. São Paulo: EPU, 1973.
Amaral, C. B. Estratégias Pedagógicas para o Ensino Fundamental: um Enfoque na Dimensão Socioafetiva. Tese (Doutorado em Educação) - Programa de Pós-graduação em Educação, Universidade Federal do Rio Grande do Sul, Porto Alegre, 2017.
Bóbó, M., Campos, F., Stroele, V., David, J., & Braga, R. Identificação do Perfil Emocional do Aluno Através de Análise de Sentimento: Combatendo a Evasão Escolar. In: Brazilian Symposium on Computers in Education, 2019.
Burke, R. Hybrid Web Recommender Systems. In: Brusilovsky et al., The Adaptive Web. Berlin Heidelberg: Springer Berlin Heidelberg, 2007. p. 377–408.
Cabada, R. Z., Estrada, M. L. B., Hernández, F. G., Bustillos, R. O., Reyes-García, C. A. An affective and Web 3.0-based learning environment for a programming language. Telematics and Informatics, v.35, n. 3, p.611-628, 2018.
Costa, N., Júnior, C. P., & Fernandes, M. Recomendação de Ações Pedagógicas Utilizando Planejamento Automático e Taxonomia Digital de Bloom. In: Simpósio Brasileiro de Informática na Educação-(SBIE), Vol. 30, No. 1, p. 1531, 2019.
Cuadrado, L. I.; Manjarrés Riesco, A.; López, F. L. P. Artie: An integrated environment for the development of affective robot tutors. Frontiers in computational neuroscience, v. 10, p. 77, 2016.
Dantas, A. C., De Melo, S., Fernandes, M., Lima, L., Do Nascimento, M. Z. Recomendação de estratégias pedagógicas através de emoções, perfis de personalidade e inteligências múltiplas utilizando raciocínio baseado em casos. In: Simpósio Brasileiro de Informática na Educação (SBIE), p. 1213, 2018.
Dlab, M. H.; Hoić-Božić, N. Increasing students' academic results in e-course using educational recommendation strategy. In: Proceedings of the 17th International Conference on Computer Systems and Technologies 2016. p. 391-398, 2016.
Gil, Antonio Carlos. Como elaborar projetos de pesquisa. São Paulo: Atlas, 2006.
Herlocker, J. L. Understanding and Improving Automated Collaborative Filtering Systems. Tese (Doutorado em Ciência da Computação) – Departamento de Ciência da Computação, University of Minnesota, Minnesota, 2000.
John, O. P.; Srivastava, S. The Big Five trait taxonomy: History, measurement, and theoretical perspectives. In L. A. Pervin & O. P. John (Org.), Handbook of personality: Theory and research, v2. New York: Guilford Press,1999, p. 102-138.
Klašnja-Milićević, A., Ivanović, M., Vesin, B., & Budimac, Z. Enhancing e-learning systems with personalized recommendation based on collaborative tagging techniques. Applied Intelligence, v.48, n. 6, 1519-1535, 2018.
Kowald, D., Lacic, E., Theiler, D., Lex, E. Afel-Rec: A Recommender System For Providing Learning Resource Recommendations In: Social Learning, Arxiv, 2018.
Longhi, M.T. Mapeamento de aspectos afetivos em um ambiente virtual de aprendizagem. Tese (Doutorado em Informática na Educação) - Programa de Pós-graduação em Informática na Educação, Universidade Federal do Rio Grande do Sul, Porto Alegre, 2011.
Longhi, M. T.; Machado, L. R., Ribeiro, A. C. R.; Behar, P. A. Mapa social: ferramenta sociométrica para mapear as interações sociais na educação a distância. In: Congreso Internacional sobre Aplicación de Tecnologías de la Información y Comunicaciones Avanzadas Actas, 2014.
López, M. B., Montes, R. A. J. H., Hernández R. V., Cabada G. A., R. Z., Estrada, M. L. B. EmoRemSys: Sistema de recomendación de recursos educativos basado en detección de emociones. RISTI-Revista Ibérica de Sistemas e Tecnologias de Informação, n. 17, p. 80-95, 2016.
Maravanyika, M., Dlodlo, N., Jere, N. An adaptive recommender-system based framework for personalised teaching and learning on e-learning platforms. In: 2017 IST-Africa Week Conference (IST-Africa). IEEE, p. 1-9, 2017.
Moraes, R. Análise de Conteúdo. Revista Educação. Porto Alegre, n.37, p.7-32, 1999.
Pereira, C. K., Campos, F., Ströele, V., David, J. M. N., Braga, R. BROAD-RSI– educational recommender system using social networks interactions and linked data. Journal of Internet Services and Applications, v. 9, n.1, 2018.
Piaget, J. Relações entre a afetividade e a inteligência no desenvolvimento mental da criança. Rio de Janeiro: Wak, 2014.
Rosenberg, E. L. Levels of analysis and the organization of affect. Review of General Psychology, v. 2, n. 3, p. 247-270, 1998.
Santos, O. C., Saneiro, M., Boticario, J. G. E R. Sanchez, M. C. Toward interactive context-aware affective educational recommendations in computer-assisted language learning. New Review of Hypermedia and Multimedia, p. 27-57, 2016.
Syed, T.A., Palade, V., Iqbal, R., Nair, S.K. Building a Dataset for Personalized learning Recommendation System. In: International Conference on Advances in Computing, Communications and Informatics, p. 2080-2086, 2018.
Tacca, M.C.V.R, Aprendizagem e Trabalho Pedagógico. Linhas Críticas, 2006.
Tadlaoui, M., Sehaba, K., George, S., Chikh, A., Bouamrane, K. Social recommender approach for technology-enhanced learning. International Journal of Learning Technology, vol.13, n. 1, p. 61-89, 2018.
Tang, T.Y., Mccalla, G.I. A multidimensional paper recommender: experiments and evaluations. IEEE Internet Computing, 13,3, p. 4–41, 2009.
Publicado
22/11/2021
Como Citar
BARVINSKI, Carla Adriana; BEHAR, Patricia A..
MREPSA: Modelo de Recomendação de Estratégias Pedagógicas baseado em Aspectos Socioafetivos do Aluno em Ambiente Virtual de Aprendizagem. In: CONCURSO ALEXANDRE DIRENE (CTD-IE) - TESES DE DOUTORADO - CONGRESSO BRASILEIRO DE INFORMÁTICA NA EDUCAÇÃO (CBIE), 10. , 2021, Online.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2021
.
p. 41-50.
DOI: https://doi.org/10.5753/wcbie.2021.219019.
