Um Sistema Proativo para Monitoramento e Avaliação das Atividades de Tutoria a Distância em AVAs

• Laysa Mabel de O. Fontes Universidade Federal Rural do Semi-Árido (UFERSA)
• Ricardo Alexsandro de M. Valentim Universidade Federal do Rio Grande do Norte (UFRN)
• Francisco Milton Mendes Neto Universidade Federal Rural do Semi-Árido (UFERSA)
• Rafael C. de Souza Universidade Federal Rural do Semi-Árido (UFERSA)

DOI: https://doi.org/10.5753/cbie.sbie.2017.1257

Resumo

O uso dos Ambientes Virtuais de Aprendizagem (AVAs) na Educação a Distância tem gerado um crescente volume de dados provenientes de interações entre os atores desse processo. O tutor a distância é o ator responsável por mediar o processo de aprendizagem dos alunos e por promover a interação nos AVAs. No entanto, nem sempre os tutores a distância desempenham suas atividades de maneira adequada. Diante deste contexto, este trabalho objetiva apresentar um sistema proativo para monitoramento e avaliação das atividades de tutoria a distância em AVAs, baseado em processos de Learning Analytics.

Palavras-chave: Ambientes Virtuais de Aprendizagem, Tutoria a Distância, Learning Analytics

Referências

Fontes, L. M. O. (2017). MONITUM: Um Sistema Proativo para Monitoramento e Avaliação das Atividades de Tutoria a Distância em AVAs. (Tese de Doutorado). Universidade Federal do Rio Grande do Norte.

Hevner, A., March, S., Park, J., and Ram, S. (2004). Design Science in Information Systems Research. MIS Quarterly, 28(1).

Iseppon, D. B., Gomes, A. S., Rodrigues, R. L., Ramos, J. L. C., and Silva, J. C. S. (2016). Impact of teaching action on student interaction in virtual learning environments: canonical correlation analysis. In Anais do XXVII Simpósio Brasileiro de Informática na Educação (SBIE).

LeBlanc, D. (2004). Statistics: Concepts and Applications for Science. Jones & Bartlett Publishers.

MacQueen, J. (1967). Some Methods for Classification and Analysis of Multivariate Observations. In Proceedings of the Fifth Berkeley Symposium on Mathematical Statistics and Probability.

Marquesone, R. (2014). Big Data: técnicas e tecnologias para extração de valor dos dados. Casa do Código.

Sharma, J. K. (2012). Business Statistics. Pearson Education India.

Siemens, G., Gasevic, D., Haythornthwaite, C., Dawson, S., Shum, S. B., Ferguson, R., Duval, E., Verbert, K., and Baker, R. S. J. (2011). Open Learning Analytics: an integrated & modularized platform. Proposal to design, implement and evaluate an open platform to integrate heterogeneous learning analytics techniques.

Silva, W. R. M., Silva, J. L. D., Ugulino, F. R., Lucena, M., and Nunes, I. D. (2016). Learning Analytics como ferramenta para análise do desempenho dos alunos em Cursos Semipresenciais. In Anais do XXVII Simpósio Brasileiro de Informática na Educação (SBIE).

Srilekshmi, M. S., S., S., Chatterjee, S., and Bijlani, K. (2016). Learning Analytics to Identify Students at-risk in MOOCs. In Proceedings of the 8th International Conference on Technology for Education. IEEE.

Tabachnick, B. G. (2012). Using Multivariate Statistics. Pearson, 6ª edição.

Wieringa, R. (2014). Design Science Methodology for Information Systems and Software Engineering. Springer.