Uso de learning analytics para Avaliação de eficiência de curso de introdução à Inteligência Artificial
Resumo
O objetivo deste estudo foi avaliar a eficiência do curso on-line ABC da Inteligência Artificial, tendo adotado a Análise do Comportamento como teoria educacional. Participaram 244 pessoas, ao longo de quatro ofertas do curso, desde graduandos em ciências exatas até pós-graduados de outras áreas. Foi aplicada prova de 30 itens de V/F no início (pré) e ao final do curso (pós-teste), para avaliar aprendizagem e autoconfiança em relação às próprias respostas na prova. Avaliamos, ainda, a satisfação com o curso. Observamos aumento estatisticamente significativo de acertos e de autoconfiança entre pré e pós-teste, com tamanhos do efeito de moderado a alto: 0,48 ≥ d ≤ 0,87 (aprendizado) e 0,45 ≥ d ≤ 0,98 (autoconfiança). A satisfação com o curso foi elevada (M = 4,45; DP = 0,10). Esperamos que esse curso seja replicado e seus recursos, principalmente objetivos de aprendizagem e avaliações, possam ser aperfeiçoados, a partir do material gratuitamente disponibilizado na Internet.
Palavras-chave:
Educação em computação, Ensino de Inteligência Artificial, Programação de condições de ensino
Referências
D. T. Wijayati, Z. Rahman, M. F. W. Rahman, I. D. C. Arifah, and A. Kautsar. 2022. A study of artificial intelligence on employee performance and work engagement: The moderating role of change leadership. International Journal of Manpower, 43, 2, 486-512. DOI: 10.1108/IJM-07-2021-0423
K. Schwab. 2019. A quarta revolução industrial. Edipro, São Paulo, Brasil.
T. Taulli. 2020. Introdução à Inteligência Artificial: Uma abordagem não técnica. Novatec Editora, São Paulo, Brasil.
B. C. Cianca, M. G. Panosso, and N. Kienen. 2020. Programação de Condições para Desenvolvimento de Comportamentos: Caracterização da produção científica brasileira de 1998-2017. Perspectivas em Análise do Comportamento, 11, 2, 114-136. DOI: 10.18761/PAC.2020.v11.n2.01
D. Zilio, and H. Neves-Filho. 2018. O que (não) há de “complexo” no comportamento? Behaviorismo radical, self, insight e linguagem. Psicologia USP, 29, 3, 374–384. DOI: 10.1590/0103-656420170027
N. Kienen, O. M. Kubo, and S. P. Botomé. 2013. Ensino programado e programação de condições para o desenvolvimento de comportamentos: Alguns aspectos no desenvolvimento de um campo de atuação do psicólogo. Acta Comportamentalia: Revista Latina de Análisis del Comportamiento, 21, 4, 481-494. Recuperado de: [link]
Brasil 2018. Base nacional comum curricular. Recuperado de: [link]
K. Freitas, I. Batista, W. Lima, P. Silva, and R. Ribeiro. 2022. Apresentando Inteligência Artificial para jovens do ensino médio: Um relato de experiência. In Anais do XXX Workshop sobre Educação em Computação, SBC, Porto Alegre, Rio Grande do Sul, 192-203. DOI: 10.5753/wei.2022.223075
G. F. Luger. 2013. Inteligência Artificial. Pearson Education do Brasil, São Paulo, Brasil.
L. Barboza, R. Mello, M. Modell, and E. S. Teixeira. 2023. Blockly-DS: Blocks Programming for Data Science with visual, statistical, descriptive and predictive analysis. In LAK23: 13th International Learning Analytics and Knowledge Conference, Association for Computing Machinery, New York, USA, 644-649. DOI: 10.1145/3576050.3576097
L. Marques, C. von Wangenheim, and J. R. Hauck. 2020. Ensino de Machine Learning na educação básica: Um mapeamento sistemático do estado da arte. In Anais do XXXI Simpósio Brasileiro de Informática na Educação, SBC, Porto Alegre, 21-30. DOI: 10.5753/cbie.sbie.2020.21
Herta, C.; Voigt, B.; Baumann, P.; Strohmenger, K.; Jansen, C.; Fischer, O.; Zhang, G.... (2019). Deep Teaching: Materials for Teaching Machine and Deep Learning. En HEAD'19. 5th International Conference on Higher Education Advances. Editorial Universitat Politècnica de València. 1153-1131. DOI: 10.4995/HEAD19.2019.9177
C. Romero, and S. Ventura. 2020. Educational data mining and learning analytics: An updated survey. Wiley interdisciplinary reviews: Data mining and knowledge discovery, 10, 3, e1355. DOI: 10.1002/widm.1355
M. Scheffel, H. Drachsler, S. Stoyanov, and M. Specht. 2014. Quality indicators for learning analytics. Journal of Educational Technology & Society, 17, 4, 117-132. [link]
A. Whitelock-Wainwright, D. Gašević, R. Tejeiro, Y. Tsai, and K. Bennett. 2019. The student expectations of Learning Analytics Questionnaire. Journal of Computer Assisted Learning, 35, 5, 633-666. DOI: 10.1111/jcal.12366
Y. Tsai, R. F. Mello, J. Jovanović, and D. Gašević. 2021. Student appreciation of data-driven feedback: A pilot study on OnTask. In LAK21: 11th International Learning Analytics and Knowledge Conference (LAK21), Association for Computing Machinery, New York, USA, 511-517. DOI: 10.1145/3448139.3448212
T. P. Falcão, R. L. Rodrigues, C. Cechinel, D. Dermeval, E. H. T. Oliveira, I. Gasparini, R. D. Araújo, T. Primo, D. Gasevic, and R. F. Mello. 2022. A Penny for your thoughts: Students and instructors’ expectations about learning analytics in Brazil. In LAK22: 12th International Learning Analytics and Knowledge Conference (LAK22), Association for Computing Machinery, New York, USA, 186-196. DOI: 10.1145/3506860.3506886
A. L. Cortegoso, and D. S. Coser. 2013. Elaboração de programas de ensino: Material autoinstrutivo. Edufscar, São Carlos, São Paulo, Brasil.
A. L. R. Schleich, S. A. J. Polydoro, and A. A. A. Santos. 2006. Escala de satisfação com a experiência acadêmica de estudantes do ensino superior. Avaliação Psicológica, 5, 1, 11-20. Recuperado de: [link]
J. Hattie. 2015. What works best in education: The politics of collaborative expertise. Pearson, London, UK. Recuperado de: [link]
R. Poy Castro and A. Gonzales Aguilar. 2014. Factores de éxito de los MOOC: Algunas consideraciones críticas. RISTI - Revista Ibérica de Sistemas e Tecnologias de Informação, E1, 3, 105-118. Conference Location:El Paso, Texas USA. [link]
M. H. O. Henklain, and J. Vieira-Santos. 2022. O que se espera do professor universitário em relação ao ensino? Respostas a partir de instrumentos avaliativos. In M. H. O. Henklain (org.), Desempenho acadêmico e profissional: Relatos de pesquisa para inspirar novas investigações científicas, Pedro & João Editores, São Carlos, Brasil, 237-263. [link]
K. Schwab. 2019. A quarta revolução industrial. Edipro, São Paulo, Brasil.
T. Taulli. 2020. Introdução à Inteligência Artificial: Uma abordagem não técnica. Novatec Editora, São Paulo, Brasil.
B. C. Cianca, M. G. Panosso, and N. Kienen. 2020. Programação de Condições para Desenvolvimento de Comportamentos: Caracterização da produção científica brasileira de 1998-2017. Perspectivas em Análise do Comportamento, 11, 2, 114-136. DOI: 10.18761/PAC.2020.v11.n2.01
D. Zilio, and H. Neves-Filho. 2018. O que (não) há de “complexo” no comportamento? Behaviorismo radical, self, insight e linguagem. Psicologia USP, 29, 3, 374–384. DOI: 10.1590/0103-656420170027
N. Kienen, O. M. Kubo, and S. P. Botomé. 2013. Ensino programado e programação de condições para o desenvolvimento de comportamentos: Alguns aspectos no desenvolvimento de um campo de atuação do psicólogo. Acta Comportamentalia: Revista Latina de Análisis del Comportamiento, 21, 4, 481-494. Recuperado de: [link]
Brasil 2018. Base nacional comum curricular. Recuperado de: [link]
K. Freitas, I. Batista, W. Lima, P. Silva, and R. Ribeiro. 2022. Apresentando Inteligência Artificial para jovens do ensino médio: Um relato de experiência. In Anais do XXX Workshop sobre Educação em Computação, SBC, Porto Alegre, Rio Grande do Sul, 192-203. DOI: 10.5753/wei.2022.223075
G. F. Luger. 2013. Inteligência Artificial. Pearson Education do Brasil, São Paulo, Brasil.
L. Barboza, R. Mello, M. Modell, and E. S. Teixeira. 2023. Blockly-DS: Blocks Programming for Data Science with visual, statistical, descriptive and predictive analysis. In LAK23: 13th International Learning Analytics and Knowledge Conference, Association for Computing Machinery, New York, USA, 644-649. DOI: 10.1145/3576050.3576097
L. Marques, C. von Wangenheim, and J. R. Hauck. 2020. Ensino de Machine Learning na educação básica: Um mapeamento sistemático do estado da arte. In Anais do XXXI Simpósio Brasileiro de Informática na Educação, SBC, Porto Alegre, 21-30. DOI: 10.5753/cbie.sbie.2020.21
Herta, C.; Voigt, B.; Baumann, P.; Strohmenger, K.; Jansen, C.; Fischer, O.; Zhang, G.... (2019). Deep Teaching: Materials for Teaching Machine and Deep Learning. En HEAD'19. 5th International Conference on Higher Education Advances. Editorial Universitat Politècnica de València. 1153-1131. DOI: 10.4995/HEAD19.2019.9177
C. Romero, and S. Ventura. 2020. Educational data mining and learning analytics: An updated survey. Wiley interdisciplinary reviews: Data mining and knowledge discovery, 10, 3, e1355. DOI: 10.1002/widm.1355
M. Scheffel, H. Drachsler, S. Stoyanov, and M. Specht. 2014. Quality indicators for learning analytics. Journal of Educational Technology & Society, 17, 4, 117-132. [link]
A. Whitelock-Wainwright, D. Gašević, R. Tejeiro, Y. Tsai, and K. Bennett. 2019. The student expectations of Learning Analytics Questionnaire. Journal of Computer Assisted Learning, 35, 5, 633-666. DOI: 10.1111/jcal.12366
Y. Tsai, R. F. Mello, J. Jovanović, and D. Gašević. 2021. Student appreciation of data-driven feedback: A pilot study on OnTask. In LAK21: 11th International Learning Analytics and Knowledge Conference (LAK21), Association for Computing Machinery, New York, USA, 511-517. DOI: 10.1145/3448139.3448212
T. P. Falcão, R. L. Rodrigues, C. Cechinel, D. Dermeval, E. H. T. Oliveira, I. Gasparini, R. D. Araújo, T. Primo, D. Gasevic, and R. F. Mello. 2022. A Penny for your thoughts: Students and instructors’ expectations about learning analytics in Brazil. In LAK22: 12th International Learning Analytics and Knowledge Conference (LAK22), Association for Computing Machinery, New York, USA, 186-196. DOI: 10.1145/3506860.3506886
A. L. Cortegoso, and D. S. Coser. 2013. Elaboração de programas de ensino: Material autoinstrutivo. Edufscar, São Carlos, São Paulo, Brasil.
A. L. R. Schleich, S. A. J. Polydoro, and A. A. A. Santos. 2006. Escala de satisfação com a experiência acadêmica de estudantes do ensino superior. Avaliação Psicológica, 5, 1, 11-20. Recuperado de: [link]
J. Hattie. 2015. What works best in education: The politics of collaborative expertise. Pearson, London, UK. Recuperado de: [link]
R. Poy Castro and A. Gonzales Aguilar. 2014. Factores de éxito de los MOOC: Algunas consideraciones críticas. RISTI - Revista Ibérica de Sistemas e Tecnologias de Informação, E1, 3, 105-118. Conference Location:El Paso, Texas USA. [link]
M. H. O. Henklain, and J. Vieira-Santos. 2022. O que se espera do professor universitário em relação ao ensino? Respostas a partir de instrumentos avaliativos. In M. H. O. Henklain (org.), Desempenho acadêmico e profissional: Relatos de pesquisa para inspirar novas investigações científicas, Pedro & João Editores, São Carlos, Brasil, 237-263. [link]
Publicado
22/04/2024
Como Citar
HENKLAIN, Marcelo Henrique Oliveira et al.
Uso de learning analytics para Avaliação de eficiência de curso de introdução à Inteligência Artificial. In: SIMPÓSIO BRASILEIRO DE EDUCAÇÃO EM COMPUTAÇÃO (EDUCOMP), 4. , 2024, Evento Online.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2024
.
p. 113-122.
DOI: https://doi.org/10.5753/educomp.2024.237389.
