Um Estudo sobre a Percepção do Ensino Remoto Emergencial em Institutos Federais baseado em Mineração de Opinião
Resumo
O ensino remoto emergencial (ERE) foi uma estratégia didática e pedagógica adotada por instituições educacionais do mundo inteiro para diminuir os impactos provocados pela Covid-19. Neste período o uso das redes sociais se intensificaram. Este trabalho apresenta um estudo sobre a percepção e os sentimentos da comunidade acadêmica de Institutos Federais no período compreendendo o ERE de 2020 à 2021, utilizando técnicas de mineração de opinião. Construímos uma base de dados coletada a partir do Twitter e aplicamos o método Multinomial Naive Bayes para categorizar os sentimentos. Os resultados mostram uma certa estabilização dos sentimentos da comunidade a partir de fevereiro de 2021.
Palavras-chave:
Análise de Sentimentos, Instituto Federais, Pandemia, Ensino Remoto
Referências
Alam, S. and Yao, N. (2019). The impact of preprocessing steps on the accuracy of machine learning algorithms in sentiment analysis. Computational and Mathematical Organization Theory, 25(3):319–335.
Bakliwal, A., Arora, P., Madhappan, S., Kapre, N., Singh, M., and Varma, V. (2012). Mining sentiments from tweets. In WASSA@ ACL, pages 11–18.
Benevenuto, F., Ribeiro, F., and Araújo, M. (2015). Métodos para análise de sentimentos em mídias sociais. Sociedade Brasileira de Computação.
Castilho, M. L. and da Silva, C. N. N. (2020). A covid-19 e a educação profissional e tecnológica: um panorama das ações de acompanhamento e enfrentamento da pandemia nos institutos federais. Revista Nova Paideia-Revista Interdisciplinar em Educação e Pesquisa, 2(3):18–34.
Gholamy, A., Kreinovich, V., and Kosheleva, O. (2018). Why 70/30 or 80/20 relation between training and testing sets: A pedagogical explanation. Technical report, University of Texas at El Paso.
Haddi, E., Liu, X., and Shi, Y. (2013). The role of text pre-processing in sentiment analysis. Procedia computer science, 17:26–32.
Moraes, S. M., Manssour, I. H., and Silveira, M. S. (2015). 7x1pt: um corpus extraído do twitter para análise de sentimentos em língua portuguesa. In Anais do X Simpósio Brasileiro de Tecnologia da Informação e da Linguagem Humana, pages 21–25. SBC.
Oliveira, E. A. M. and Silva, C. A. (2022). Ensino Remoto Emergencial (ERE): múltiplas visões e vivências no ensino técnico e tecnológico em tempos de pandemia, volume 1, chapter Os desafios da gestão pedagógica na vigência do Ensino Remoto Emergencial em 2020, pages 37–51. Editora Fi, Porto Alegre, 1 edition.
Rodrigues, A. O., de Melo-Minardi, R. C., and Junior, W. M. (2013). Como nos sentimos: Uma ferramenta de mineração visual de sentimentos no twitter. In Anais do II Brazilian Workshop on Social Network Analysis and Mining, pages 91–102. SBC.
Bakliwal, A., Arora, P., Madhappan, S., Kapre, N., Singh, M., and Varma, V. (2012). Mining sentiments from tweets. In WASSA@ ACL, pages 11–18.
Benevenuto, F., Ribeiro, F., and Araújo, M. (2015). Métodos para análise de sentimentos em mídias sociais. Sociedade Brasileira de Computação.
Castilho, M. L. and da Silva, C. N. N. (2020). A covid-19 e a educação profissional e tecnológica: um panorama das ações de acompanhamento e enfrentamento da pandemia nos institutos federais. Revista Nova Paideia-Revista Interdisciplinar em Educação e Pesquisa, 2(3):18–34.
Gholamy, A., Kreinovich, V., and Kosheleva, O. (2018). Why 70/30 or 80/20 relation between training and testing sets: A pedagogical explanation. Technical report, University of Texas at El Paso.
Haddi, E., Liu, X., and Shi, Y. (2013). The role of text pre-processing in sentiment analysis. Procedia computer science, 17:26–32.
Moraes, S. M., Manssour, I. H., and Silveira, M. S. (2015). 7x1pt: um corpus extraído do twitter para análise de sentimentos em língua portuguesa. In Anais do X Simpósio Brasileiro de Tecnologia da Informação e da Linguagem Humana, pages 21–25. SBC.
Oliveira, E. A. M. and Silva, C. A. (2022). Ensino Remoto Emergencial (ERE): múltiplas visões e vivências no ensino técnico e tecnológico em tempos de pandemia, volume 1, chapter Os desafios da gestão pedagógica na vigência do Ensino Remoto Emergencial em 2020, pages 37–51. Editora Fi, Porto Alegre, 1 edition.
Rodrigues, A. O., de Melo-Minardi, R. C., and Junior, W. M. (2013). Como nos sentimos: Uma ferramenta de mineração visual de sentimentos no twitter. In Anais do II Brazilian Workshop on Social Network Analysis and Mining, pages 91–102. SBC.
Publicado
31/07/2022
Como Citar
SOUZA, Mateus F. L.; TARGA, Cristiane N.; SILVA, Carlos A..
Um Estudo sobre a Percepção do Ensino Remoto Emergencial em Institutos Federais baseado em Mineração de Opinião. In: ENCONTRO NACIONAL DE COMPUTAÇÃO DOS INSTITUTOS FEDERAIS (ENCOMPIF), 9. , 2022, Niterói.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2022
.
p. 53-60.
ISSN 2763-8766.
DOI: https://doi.org/10.5753/encompif.2022.223080.
