A Produção de Learning Analytics e Predição de Desempenho Acadêmico por Pesquisadores Brasileiros: Uma Revisão Sistemática da Literatura
Resumo
Os cursos a distância têm aumentado a participação na educação Brasileira. Expansão impulsionada pelo uso de ambientes virtuais, inclusão social, oferta em regiões mal atendidas e menor custo de execução. Tais cursos apresentam como problemáticas: altos índices de evasão, reprovação e retenção dos estudantes. É importante a predição para identificar tais problemas e propor soluções para mitigação. Este trabalho é uma Revisão Sistemática de Literatura (RSL) sobre Predição de Desempenho Acadêmico de estudos publicados por cientistas brasileiros nas bases de pesquisas: Scopus, Science Direct, Scielo, IEEE e CEIE. Foram encontrados 4 artigos que mostraram técnicas, algoritmos, práticas e estudos controlados.
Palavras-chave:
Análise de dados educacionais, Predição de aprendizagem, Performance de aprendizagem, Revisão Sistemática da Literatura, RSL
Referências
ABED – Associação Brasileira de Educação a Distância (2019) Censo EAD.BR: relatório analítico da aprendizagem a distância no Brasil 2018 – [livro eletrônico] Curitiba: InterSaberes.
Baker, R.; Isotani, S.; Carvalho, A. (2011) Mineração de Dados Educacionais: Oportunidades para o Brasil. Revista Brasileira de Informática na Educação, v. 19, n. 02, p. 03, 24 ago.
Barros, T. M. et al. (2019) Predictive Models for Imbalanced Data: A School Dropout Perspective. Education Sciences, v. 9, n. 4, p. 275, dez.
Brasil, P. et al. (2018) Uma Revisão Sistemática sobre o uso de Learning Analytics em ambientes virtuais de aprendizagem brasileiros. In: Ctrl+ E Congresso sobre Tecnologias Educacionais, Fortaleza-CE.
Macarini B., L. A. et al. (2019) Predicting Students Success in Blended Learning—Evaluating Different Interactions Inside Learning Management Systems. Applied Sciences, v. 9, n. 24, p. 5523, jan.
Etemadpour, R. et al. (2020) Role of absence in academic success: an analysis using visualization tools. Smart Learning Environments, v. 7, n. 1, p. 2, 7 jan.
Kitchenham, B. (2007) Guidelines for performing Systematic Literature Reviews in Software Engineering, Version 2.3, EBSE Technical Report EBSE-2007-01, Keele University and University of Durham.
Reyes, D. A. G. D. L. et al. (2019) Predição de sucesso acadêmico de estudantes: uma análise sobre a demanda por uma abordagem baseada em transfer learning. Revista Brasileira de Informática na Educação, v. 27, n. 01, p. 01, 1 jan.
Santos, R. et al. (2016) Análise de Trabalhos Sobre a Aplicação de Técnicas de Mineração de Dados Educacionais na Previsão de Desempenho Acadêmico. Anais dos Workshops do Congresso Brasileiro de Informática na Educação, v. 5, n. 1, p. 960, 10 nov.
Zhang, W. et al. (2020) Suspending Classes Without Stopping Learning: China’s Education Emergency Management Policy in the COVID-19 Outbreak. Journal of Risk and Financial Management, v. 13, n. 3, p. 55, mar.
Baker, R.; Isotani, S.; Carvalho, A. (2011) Mineração de Dados Educacionais: Oportunidades para o Brasil. Revista Brasileira de Informática na Educação, v. 19, n. 02, p. 03, 24 ago.
Barros, T. M. et al. (2019) Predictive Models for Imbalanced Data: A School Dropout Perspective. Education Sciences, v. 9, n. 4, p. 275, dez.
Brasil, P. et al. (2018) Uma Revisão Sistemática sobre o uso de Learning Analytics em ambientes virtuais de aprendizagem brasileiros. In: Ctrl+ E Congresso sobre Tecnologias Educacionais, Fortaleza-CE.
Macarini B., L. A. et al. (2019) Predicting Students Success in Blended Learning—Evaluating Different Interactions Inside Learning Management Systems. Applied Sciences, v. 9, n. 24, p. 5523, jan.
Etemadpour, R. et al. (2020) Role of absence in academic success: an analysis using visualization tools. Smart Learning Environments, v. 7, n. 1, p. 2, 7 jan.
Kitchenham, B. (2007) Guidelines for performing Systematic Literature Reviews in Software Engineering, Version 2.3, EBSE Technical Report EBSE-2007-01, Keele University and University of Durham.
Reyes, D. A. G. D. L. et al. (2019) Predição de sucesso acadêmico de estudantes: uma análise sobre a demanda por uma abordagem baseada em transfer learning. Revista Brasileira de Informática na Educação, v. 27, n. 01, p. 01, 1 jan.
Santos, R. et al. (2016) Análise de Trabalhos Sobre a Aplicação de Técnicas de Mineração de Dados Educacionais na Previsão de Desempenho Acadêmico. Anais dos Workshops do Congresso Brasileiro de Informática na Educação, v. 5, n. 1, p. 960, 10 nov.
Zhang, W. et al. (2020) Suspending Classes Without Stopping Learning: China’s Education Emergency Management Policy in the COVID-19 Outbreak. Journal of Risk and Financial Management, v. 13, n. 3, p. 55, mar.
Publicado
31/07/2020
Como Citar
GUIMARÃES, Carlos Artur; NUNES, Isabel; PIRES, Andressa Kroeff; ALENCAR, Eric Eduardo da Silva.
A Produção de Learning Analytics e Predição de Desempenho Acadêmico por Pesquisadores Brasileiros: Uma Revisão Sistemática da Literatura. In: CONGRESSO SOBRE TECNOLOGIAS NA EDUCAÇÃO (CTRL+E), 5. , 2020, Evento Online.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2020
.
p. 306-315.
DOI: https://doi.org/10.5753/ctrle.2020.11408.
