Identificação de perfis de interação de estudantes de educação a distância por meio de técnicas de agrupamentos
Resumo
Segundo o Ministério da Educação, em 2017, o número de estudantes de Educação a Distância (EAD) foi de, aproximadamente, 7,8 milhões. Essa quantidade de alunos resulta em um grande volume de dados, sendo estes armazenados em ambientes virtuais de aprendizagem, os quais possuem bases de dados com registros relevantes do contexto educacional. Desse modo, com a aplicação de técnicas de mineração de dados educacionais, este trabalho identificou perfis dos estudantes de cursos ofertados na modalidade a distância pela Universidade Federal do Vale do São Francisco. Foi possível observar a distribuição dos clusters com Baixa, Média e Alta Interação como perfil principal dos alunos. A partir disso, foi possível extrair novos conhecimentos que poderão contribuir para o aperfeiçoamento dessa modalidade nas instituições.
Palavras-chave:
Mineração de dados educacionais, KDD
Referências
DIAS, C. C. L.; GASPARINI, I.; KEMCZINSK, A. Identificação dos estilos cognitivos de aprendizagem através da interação em um Ambiente EAD. In: XVII Workshop sobre Educação em Informática (WEI), p. 489-498, 2009.
FAYYAD, U. et al. The KDD process of extracting useful knowledge from volumes of data. Communications of the ACM. p. 27- 34, 1996.
GOMES, C. M. A. Perfis de estudantes e a relação entre abordagens de aprendizagem e rendimento escolar. Psico, Porto Alegre, v. 41, n. 4, p.503-509, 2010.
GROSSI, M. G. R.; MORAES, A. L.; BRESCIA, A. T. Interatividade em ambientes virtuais de aprendizagem no processo de ensino e aprendizagem na educação a distância. Rev. Arquivo Bras. Educ., v.1, n.1, p. 75-92, 2013
HAGUENAUER, C.J.; MUSSI, M.V.; CORDEIRO FILHO, F. Ambientes virtuais de aprendizagem: definições e singularidades. Revista Educaonline, Rio de Janeiro (RJ), v. 3, n. 2, p. 1-23, 2009.
KAMPFF, A. J. C.; REATEGUI. E. B; LIMA, J. V. Mineração de dados educacionais para a construção de alertas em ambientes virtuais de aprendizagem como apoio à prática docente. RENOTE, v. 6, n. 1, 2008.
LINDEN, R. Técnicas de agrupamento. Revista de Sistema da Informação da FSMA, n. 4, p. 18-36, 2009.
LIRA, K. C. et al. Utilizando mineração de dados e sistemas multiagentes na análise da evasão em educação a distância por meio do perfil dos alunos. In: Encontro Nacional de Inteligência Artificial e Computacional, 2016.
MOORE, Michael G. Three types of interaction. 1989.
OLIVEIRA, M. et al. Mapeamento automático de perfis de estudantes em métricas de software para análise de aprendizagem de programação. In Simpósio Brasileiro de Informática na Educação-SBIE, v. 28, p.1337, 2017.
PINHEIRO, Márcia F. et al. Identificação de grupos de alunos em ambiente virtual de aprendizagem: Uma estratégia de análise de log baseada em clusterização. In: Anais dos Workshops do Congresso Brasileiro de Informática na Educação. 2014. p. 582.
RABELO, D.S.S. et al. Utilização de técnicas de mineração de dados educacionais para predição de desempenho de alunos EaD em ambientes virtuais de aprendizagem. Anais do Simpósio Brasileiro de Informática na Educação (SBIE), Recife-PE, 2017.
RAMOS, J. L. C et al. A comparative study between clustering methods in educational data mining. IEEE Latin America Transactions, v. 14, n. 8, p. 3755-3761, 2016.
RAMOS, J. L. C. Uma abordagem preditiva da evasão na educação a distância a partir dos construtos da distância transacional. Tese de Doutorado, CIn-UFPE. 2016a.
ROMERO, Cristobal; VENTURA, Sebastian. Data mining in education. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, v. 3, n. 1, p. 12-27, 2013.
SILVA, O. G.; NAVARRO, E. C. A relação professor: aluno no processo ensino-aprendizagem. Rev eletrônica Univar [Internet]. 2011 3 (8): 95-100.
SILVA, Ricardo et al. Mineração de dados educacionais na análise das interações dos alunos em um Ambiente Virtual de Aprendizagem. In: (Simpósio Brasileiro de Informática na Educação-SBIE). 2015. p. 1197.
SOUZA, R. et al. Um Ambiente Inteligente de Avaliação de Comportamentos de Tutores e Turmas no Ambiente Virtual de Aprendizagem Moodle. In Anais dos Workshops do Congresso Brasileiro de Informática na Educação. vol. 5, n. 1, p. 417, 2016.
FAYYAD, U. et al. The KDD process of extracting useful knowledge from volumes of data. Communications of the ACM. p. 27- 34, 1996.
GOMES, C. M. A. Perfis de estudantes e a relação entre abordagens de aprendizagem e rendimento escolar. Psico, Porto Alegre, v. 41, n. 4, p.503-509, 2010.
GROSSI, M. G. R.; MORAES, A. L.; BRESCIA, A. T. Interatividade em ambientes virtuais de aprendizagem no processo de ensino e aprendizagem na educação a distância. Rev. Arquivo Bras. Educ., v.1, n.1, p. 75-92, 2013
HAGUENAUER, C.J.; MUSSI, M.V.; CORDEIRO FILHO, F. Ambientes virtuais de aprendizagem: definições e singularidades. Revista Educaonline, Rio de Janeiro (RJ), v. 3, n. 2, p. 1-23, 2009.
KAMPFF, A. J. C.; REATEGUI. E. B; LIMA, J. V. Mineração de dados educacionais para a construção de alertas em ambientes virtuais de aprendizagem como apoio à prática docente. RENOTE, v. 6, n. 1, 2008.
LINDEN, R. Técnicas de agrupamento. Revista de Sistema da Informação da FSMA, n. 4, p. 18-36, 2009.
LIRA, K. C. et al. Utilizando mineração de dados e sistemas multiagentes na análise da evasão em educação a distância por meio do perfil dos alunos. In: Encontro Nacional de Inteligência Artificial e Computacional, 2016.
MOORE, Michael G. Three types of interaction. 1989.
OLIVEIRA, M. et al. Mapeamento automático de perfis de estudantes em métricas de software para análise de aprendizagem de programação. In Simpósio Brasileiro de Informática na Educação-SBIE, v. 28, p.1337, 2017.
PINHEIRO, Márcia F. et al. Identificação de grupos de alunos em ambiente virtual de aprendizagem: Uma estratégia de análise de log baseada em clusterização. In: Anais dos Workshops do Congresso Brasileiro de Informática na Educação. 2014. p. 582.
RABELO, D.S.S. et al. Utilização de técnicas de mineração de dados educacionais para predição de desempenho de alunos EaD em ambientes virtuais de aprendizagem. Anais do Simpósio Brasileiro de Informática na Educação (SBIE), Recife-PE, 2017.
RAMOS, J. L. C et al. A comparative study between clustering methods in educational data mining. IEEE Latin America Transactions, v. 14, n. 8, p. 3755-3761, 2016.
RAMOS, J. L. C. Uma abordagem preditiva da evasão na educação a distância a partir dos construtos da distância transacional. Tese de Doutorado, CIn-UFPE. 2016a.
ROMERO, Cristobal; VENTURA, Sebastian. Data mining in education. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, v. 3, n. 1, p. 12-27, 2013.
SILVA, O. G.; NAVARRO, E. C. A relação professor: aluno no processo ensino-aprendizagem. Rev eletrônica Univar [Internet]. 2011 3 (8): 95-100.
SILVA, Ricardo et al. Mineração de dados educacionais na análise das interações dos alunos em um Ambiente Virtual de Aprendizagem. In: (Simpósio Brasileiro de Informática na Educação-SBIE). 2015. p. 1197.
SOUZA, R. et al. Um Ambiente Inteligente de Avaliação de Comportamentos de Tutores e Turmas no Ambiente Virtual de Aprendizagem Moodle. In Anais dos Workshops do Congresso Brasileiro de Informática na Educação. vol. 5, n. 1, p. 417, 2016.
Publicado
24/11/2020
Como Citar
RAMOS, Jorge Luis Cavalcanti; SANTOS, Laís Fernanda Leite; SILVA, João Carlos Sedraz; RODRIGUES, Rodrigo Lins.
Identificação de perfis de interação de estudantes de educação a distância por meio de técnicas de agrupamentos. In: SIMPÓSIO BRASILEIRO DE INFORMÁTICA NA EDUCAÇÃO (SBIE), 31. , 2020, Online.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2020
.
p. 932-941.
DOI: https://doi.org/10.5753/cbie.sbie.2020.932.
