Identification of interaction profiles of distance education students using clustering techniques
Abstract
According to the Brazilian Ministry of Education, in 2017, the number of students of Distance Education was approximately 7.8 million. This large number of students results in a large volume of data, which is stored in virtual learning environments, which have databases with relevant records of the educational context. Thus, with the application of educational data mining techniques, this work identified profiles of students of courses offered in the distance modality by Universidade Federal do Vale do São Francisco (UNIVASF). It was possible to observe the distribution of clusters with Low, Medium and High Interaction as the main profile of the students. From this, it was possible to extract new knowledge that could contribute to the improvement of this modality in the institutions
Keywords:
Educational data mining, KDD, Learning Analytics
References
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.
Published
2020-11-24
How to Cite
RAMOS, Jorge Luis Cavalcanti; SANTOS, Laís Fernanda Leite; SILVA, João Carlos Sedraz; RODRIGUES, Rodrigo Lins.
Identification of interaction profiles of distance education students using clustering techniques. In: BRAZILIAN SYMPOSIUM ON COMPUTERS IN EDUCATION (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.
