ISA: Um Sistema para Identificação e Suporte às Dificuldades Acadêmicas de Estudantes no Ensino Superior
Resumo
Nos últimos anos tem-se observado o ingresso de estudantes no Ensino Superior com dificuldades em assuntos importantes da Educação Básica. Identificar tais conteúdos se mostra importante para que ações sejam idealizadas afim de permitir que os estudantes superem as dificuldades iniciais. Neste cenário, a presente pesquisa descreve o ISA, um sistema para Identificação e Suporte às Dificuldades Acadêmicas de estudantes no ensino superior. O ISA é capaz de identificar os conteúdos que precisam da atenção do aluno, além de recomendar materiais de estudos personalizados e sugerir grupos colaborativos. Testado em uma base de dados sintética, o sistema demonstrou eficácia, e o próximo passo é aplicá-lo em um ambiente real.
Palavras-chave:
Dificuldades Acadêmicas, Educação, Sistemas Inteligentes
Referências
Andrade, T., Almeida, C., Barbosa, J. e Rigo, S. (2023). Avaliação de um modelo de sistema de recomendação que integra metodologias ativas e mineração de dados educacionais para mitigar a evasão na educação a distância. In Anais do XXXIV Simpósio Brasileiro de Informática na Educação, pages 187–198, Porto Alegre, RS, Brasil. SBC.
Balieiro, A., Melo, I., Araújo, D., Neto, S., Galdino, E. e Gomes, A. (2017). Uma abordagem baseada em algoritmo genético para formação de grupos de estudos em ambientes virtuais de aprendizagem. In Brazilian Symposium on Computers in Education (Simpósio Brasileiro de Informática na Educação-SBIE), volume 28, page 1287.
da Silva, M. D., Soares, G. C. A., Cardoso, C. M. L., Guerreiro, T. S. B., Guimarães, C. C., Chicre, G. R., de Siqueira, L. R. M., Seffair, R. P., do Amaral Domingues, N. e de França Trindade, F. (2021). Coronavírus: consequências da pandemia no ensino superior. Revista Eletrônica Acervo Saúde, 13(5) –e7120.
de Macêdo, J. A. e Gregor, I. C. S. (2020). Dificuldades nos processos de ensino e de aprendizagem de cálculo diferencial e integral. Educação Matemática Debate, 4:1–24.
Deng, J., Zhou, F. e Huang, E. (2021). The prevalence of depressive symptoms, anxiety symptoms and sleep disturbance in higher education students during the covid-19 pandemic: A systematic review and meta-analysis. Psychiatry Research, 301:113863–113863.
Derczynski, L. (2016). Complementarity, F-score, and NLP evaluation. In Calzolari, N., Choukri, K., Declerck, T., Goggi, S., Grobelnik, M., Maegaard, B., Mariani, J., Mazo, H., Moreno, A., Odijk, J., and Piperidis, S. (eds.), Proceedings of the Tenth International Conference on Language Resources and Evaluation (LREC’16), pages 261–266, Portorož, Slovenia. European Language Resources Association (ELRA).
Holland, J. H. (1992). Genetic algorithms. Scientific American, 267(1):66–73.
Kurniadi, D., Hidayat, H., Anwar, M., Budayawan, K., Syaifar, A. L., Zulhendra, E., Efrizon e Safitri, R. (2023). Genetic algorithms for optimizing grouping of students classmates in engineering education. International Journal of Information and Education Technology.
Okubo, F., Shiino, T., Minematsu, T., Taniguchi, Y. e Shimada, A. (2022). Adaptive learning support system based on automatic recommendation of personalized review materials. IEEE Transactions on Learning Technologies, 16(1):92–105.
Oliveira, F. e Frango, I. (2021). Recommender systems in education: Systematic mapping. In 2021 XVI Latin American Conference on Learning Technologies (LACLO), pages 282–289. IEEE.
Oliveira, G., Teixeira, J., Torres, A. e Morais, C. (2021). An exploratory study on the emergency remote education experience of higher education students and teachers during the covid-19 pandemic. British Journal of Educational Technology, 52:1357–1376.
Sazhin, S. (1998). Teaching mathematics to engineering students. International Journal of Engineering Education, 14:145–152.
Urdaneta-Ponte, M. C., Mendez-Zorrilla, A. e Oleagordia-Ruiz, I. (2021). Recommendation systems for education: Systematic review. Electronics, 10(14):1611.
Yan-hui, X. (2011). On mathematical computing and its teaching. Journal on Mathematics Education.
Yu, F., Fu, X., Li, H. e Dong, G. (2016). Improved roulette wheel selection-based genetic algorithm for tsp. In 2016 International Conference on Network and Information Systems for Computers (ICNISC), pages 151–154. IEEE.
Balieiro, A., Melo, I., Araújo, D., Neto, S., Galdino, E. e Gomes, A. (2017). Uma abordagem baseada em algoritmo genético para formação de grupos de estudos em ambientes virtuais de aprendizagem. In Brazilian Symposium on Computers in Education (Simpósio Brasileiro de Informática na Educação-SBIE), volume 28, page 1287.
da Silva, M. D., Soares, G. C. A., Cardoso, C. M. L., Guerreiro, T. S. B., Guimarães, C. C., Chicre, G. R., de Siqueira, L. R. M., Seffair, R. P., do Amaral Domingues, N. e de França Trindade, F. (2021). Coronavírus: consequências da pandemia no ensino superior. Revista Eletrônica Acervo Saúde, 13(5) –e7120.
de Macêdo, J. A. e Gregor, I. C. S. (2020). Dificuldades nos processos de ensino e de aprendizagem de cálculo diferencial e integral. Educação Matemática Debate, 4:1–24.
Deng, J., Zhou, F. e Huang, E. (2021). The prevalence of depressive symptoms, anxiety symptoms and sleep disturbance in higher education students during the covid-19 pandemic: A systematic review and meta-analysis. Psychiatry Research, 301:113863–113863.
Derczynski, L. (2016). Complementarity, F-score, and NLP evaluation. In Calzolari, N., Choukri, K., Declerck, T., Goggi, S., Grobelnik, M., Maegaard, B., Mariani, J., Mazo, H., Moreno, A., Odijk, J., and Piperidis, S. (eds.), Proceedings of the Tenth International Conference on Language Resources and Evaluation (LREC’16), pages 261–266, Portorož, Slovenia. European Language Resources Association (ELRA).
Holland, J. H. (1992). Genetic algorithms. Scientific American, 267(1):66–73.
Kurniadi, D., Hidayat, H., Anwar, M., Budayawan, K., Syaifar, A. L., Zulhendra, E., Efrizon e Safitri, R. (2023). Genetic algorithms for optimizing grouping of students classmates in engineering education. International Journal of Information and Education Technology.
Okubo, F., Shiino, T., Minematsu, T., Taniguchi, Y. e Shimada, A. (2022). Adaptive learning support system based on automatic recommendation of personalized review materials. IEEE Transactions on Learning Technologies, 16(1):92–105.
Oliveira, F. e Frango, I. (2021). Recommender systems in education: Systematic mapping. In 2021 XVI Latin American Conference on Learning Technologies (LACLO), pages 282–289. IEEE.
Oliveira, G., Teixeira, J., Torres, A. e Morais, C. (2021). An exploratory study on the emergency remote education experience of higher education students and teachers during the covid-19 pandemic. British Journal of Educational Technology, 52:1357–1376.
Sazhin, S. (1998). Teaching mathematics to engineering students. International Journal of Engineering Education, 14:145–152.
Urdaneta-Ponte, M. C., Mendez-Zorrilla, A. e Oleagordia-Ruiz, I. (2021). Recommendation systems for education: Systematic review. Electronics, 10(14):1611.
Yan-hui, X. (2011). On mathematical computing and its teaching. Journal on Mathematics Education.
Yu, F., Fu, X., Li, H. e Dong, G. (2016). Improved roulette wheel selection-based genetic algorithm for tsp. In 2016 International Conference on Network and Information Systems for Computers (ICNISC), pages 151–154. IEEE.
Publicado
04/11/2024
Como Citar
ARAÚJO, Débora da C.; SAMPAIO, Catarina Cysneiros; FERREIRA, Athams Menezes; SOUZA, Iago Bruno F. e; FERREIRA, Máverick André D..
ISA: Um Sistema para Identificação e Suporte às Dificuldades Acadêmicas de Estudantes no Ensino Superior. In: SIMPÓSIO BRASILEIRO DE INFORMÁTICA NA EDUCAÇÃO (SBIE), 35. , 2024, Rio de Janeiro/RJ.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2024
.
p. 2959-2967.
DOI: https://doi.org/10.5753/sbie.2024.243443.
