Framework Conceitual para Formação de Grupos de Alunos utilizando Trilhas de Aprendizagem em um Ambiente Virtual de Aprendizagem

• Ilmara Monteverde Martins Ramos Universidade Federal do Amazonas (UFAM) / Instituto Federal de Educação, Ciência e Tecnologia do Amazonas (IFAM)
• David Brito Ramos Universidade Federal do Amazonas (UFAM) / Instituto Federal de Educação, Ciência e Tecnologia do Amazonas (IFAM)
• Geovana de Souza Amaral Universidade Federal do Amazonas (UFAM)
• Bruno Freitas Gadelha Universidade Federal do Amazonas (UFAM)
• Elaine Harada Teixeira de Oliveira Universidade Federal do Amazonas (UFAM)

DOI: https://doi.org/10.5753/cbie.sbie.2018.1673

Resumo

Neste artigo é proposto um framework conceitual para formação de grupos de alunos em um Ambiente Virtual de Aprendizagem (AVA). Nós desenvolvemos e validamos um framework conceitual para recomendação de grupos para atividades colaborativas, utilizando a caracterização dos aprendizes baseada em trilhas de aprendizagem (TAs). A abordagem seguida dá ênfase à formação dos grupos aplicando o algoritmo K-Means, que é utilizado com três métricas de similaridade, que são as distâncias: Euclidiana, Manhattan e Cosseno. A validação do framework foi realizada por meio da implementação da ferramenta M-Cluster. Dados reais da interação de usuários com a ferramenta são utilizados na validação.

Palavras-chave: agrupamento de estudantes, grupos para atividades colaborativas, trilhas de aprendizagem, ambiente virtual de aprendizagem, K-Means

Referências

Abnar, S., Orooji, F. e Taghiyareh, F. An evolutionary algorithm for forming mixed groups of learners in web based collaborative learning environments. In: Proceedings IEEE International Conference on Technology Enhanced Education (ICTEE), 2012.

Barkley, E. F., Major, C. H. e Cross, K. P. (2014) “Collaborative Learning Techniques”, 2 ed, San Francisco, Jossey-Bass.

Bezdek, J. C. (1981) “Pattern Recognition with Fuzzy Objective Function Algorithms”, Plenum Press, New York.

Jagadish, D. (2014) “Grouping in collaborative e-learning environment based on interaction among students”, In: IEEE International Conference on Recent Trends in Information Technology.

Le, T. V. (1995) “Evolutionary fuzzy clustering”, In: IEEE International Conference on Evolutionary Computation, pp. 753-758.

MacQueen, J. (1967) “Some methods for classification and analysis of multivariate observations”, In: Proceedings of the Fifth Berkeley Symposium on Mathematical Statistics and Probabilities, 1, pp. 281-296.

Montazer, G. A. e Rezaei, M. S. (2012) “A new approach in e-learners grouping using Hybrid Clustering Method”, In: International Conference on Education and e-Learning Innovations, p. 1-5.

Natalli, L. E. e Menezes, S. C. (2012) “FrameColab: Um framework para criação de Ambientes Colaborativos”, In: XXIII Simpósio Brasileiro de Informática na Educação.

Ramos, D. B., Oliveira, E. H. T., Ramos, I. M. M., e Oliveira, K. M. (2015) “Trilhas de Aprendizagem em Ambientes Virtuais de Ensino-aprendizagem: Uma Revisão Sistemática da Literatura”, In: XXVI Simpósio Brasileiro de Informática na Educação, 26, pp. 338-347. Maceió.

Ramos, I. M. M., Ramos, D. B., Nascimento, P. B., Amaral, G. S., Gadelha, B. F. e Oliveira, E. H. T. (2017) “M-Cluster: Uma ferramenta de Recomendação para Formação de Grupos em Ambientes Virtuais de Aprendizagem”, In: Simpósio Brasileiro de Informática na Educação, p. 1657–1666.

Ramos, I. M. M., Ramos, D. B., Nascimento, P. B., Gadelha, B. F., e Oliveira, E. H. T. (2016) “Formação de Grupos em Ambientes Virtuais de Aprendizagem: Uma Revisão Sistemática da Literatura”, In: XXVII Simpósio Brasileiro de Informática na Educação, 26, p. 310-319.

Santos, L. N., Castro, A. N. e Castro, T. H. C. (2007) “Alteração no Modelo de Grupos do Moodle para Apoiar a Colaboração”, In: XVIII Simpósio Brasileiro de Informática na Educação, p. 24-35.

Yathongchai, C., Angskun, T., Yathongchai, W. e Angskun, J. (2013) “Learner Classification Based on Learning Behavior and Performance”, In: IEEE Conference on Open Systems, p. 66–70.