Análise dos Resultados de Insucesso Escolar com o suporte de Mineração de Processos Educacionais

• Edson Pinheiro Pimentel UFABC (Universidade Federal do ABC) https://orcid.org/0000-0003-2838-212X
• Eduardo Machado Real UEMS
• Juliana Cristina Braga Universidade Federal do ABC
• Wagner Tanaka Botelho Universidade Federal do ABC (UFABC) https://orcid.org/0000-0002-0324-687X

DOI: https://doi.org/10.5753/cbie.sbie.2020.132

Resumo

A análise dos resultados de aprendizagem dos estudantes, a partir dos instrumentos de avaliação, é essencial para retroalimentar o processo de ensino-aprendizagem. No entanto, somente os dados de avaliações somativas não são suficientes para compreender os insucessos dos estudantes. A aplicação de métodos de Mineração de Processos Educacionais em dados de log de eventos dos cursos podem revelar a trajetória de aprendizagem e apoiar uma análise mais robusta. Este artigo tem por objetivo analisar os possíveis impactos dos trajetos de aprendizagem no desempenho dos estudantes reprovados em uma disciplina, conduzida de forma semipresencial, ou seja, com aulas e exercícios a distância e com avaliações presenciais.

Palavras-chave: Mineração de Processos Educacionais, Insucesso Escolar, Trajetórias de Aprendizagem

Referências

AALST, W. van der. Process Mining: Data Science in Action. 2. ed. [S.l.]: Springer-Verlag Berlin Heidelberg, 2016.


BEEMT, A. van den; BUIJS, J.; AALST, W. van der. Analysing structured learning behaviour in massive open online courses (moocs): An approach based on process mining and clustering. International Review of Research in Open and Distance Learning, Athabasca University, v. 19, n. 5, p. 38–60, 2018.


BOGARIN, A.; CEREZO, R.; ROMERO, C. Discovering learning processes using inductive miner: A case study with learning management systems (lmss). Psicothema, p. 322–329, 08 2018.


BOGARIN, A.; ROMERO, C.; CEREZO, R. Applying data mining to discover common learning routes in moodle. Revista Edmetic, p. 73–92, 2016.


CEREZO, R.; BOGARiN, A.; ROMERO, C. Process mining for self-regulated learning assessment in e-learning. Journal of Computing in Higher Education, Springer Science+Business Media, LLC, part of Springer Nature, p. 1–15, 2019.


DOLAK, R. Using process mining techniques to discover student’s activities, navigation paths, and behavior in lms moodle. In: RØNNINGSBAKK, L. et al. (Ed.). Innovative Technologies and Learning. [S.l.]: Springer International Publishing, 2019. p. 129–138.


ETINGER, D. Discovering and mapping lms course usage patterns to learning outcomes. In: SPRINGER. International Conference on Intelligent Human Systems Integration. [S.l.], 2020. p. 486–491.


GHAZAL, M. A.; IBRAHIM, O.; SALAMA, M. A. Educational process mining: A systematic literature review. In: 2017 European Conference on Electrical Engineering and Computer Science (EECS). [S.l.: s.n.], 2017. p. 198–203.


NEGRI, P. S. A intencionalidade pedagógica como estratégia de ensino mediada pelo uso das tecnologias em sala de aula. Laboratório de Tecnologia Educacional, 2016.


ROMERO, C. et al. Educational process mining: A tutorial and case study using moodle data sets. Data Mining And Learning Analytics: Applications in Educational Research, John Wiley Sons, n. 1, p. 3–27, 2016.


SALAZAR-FERNANDEZ, J.; SEPULVEDA, M.; MUNOZ-GAMA, J. Influence of student diversity on educational trajectories in engineering high-failure rate courses that lead to late dropout. In: . [S.l.: s.n.], 2019. p. 607–616.


SILVA, F.; SILVA, T. R.; ARANHA, E. Mineração de processo educacional - uma revisão sistemática da literatura. Brazilian Symposium on Computers in Education, v. 30, p. 1036–1045, 2016.


TÓTH, K.; ROLKE HEIKO; GOLDHAMMER, F.; BARKOW, I. Educational process mining. new possibilities for understanding students’ problem-solving skills. In: . [S.l.]: The Nature of Problem Solving: Using Research to Inspire 21st Century Learning - OCDE Publishing, 2017.


WEIJTERS, A.; AALST, W.; MEDEIROS, A. Process Mining with the Heuristics Miner-algorithm. [S.l.: s.n.], 2006. v. 166. 1-34 p.