Avaliação do Perfil de Uso no Ambiente Moodle Utilizando Técnicas de Mineração de Dados

• Leandro C. Santana Universidade de Pernambuco (UPE)
• Alexandre M. A. Maciel Universidade de Pernambuco (UPE)
• Rodrigo L. Rodrigues Universidade Federal Rural de Pernambuco (UFRPE)

DOI: https://doi.org/10.5753/cbie.sbie.2014.269

Resumo

Os Ambientes virtuais de aprendizagem possibilitam cada vez mais, a extração de variáveis que podem ser utilizadas para mineração de dados. Extrair informações relevantes que viabilizem o acompanhamento efetivo de estudantes em cursos mediados por tecnologia é um desafio. Este artigo teve como proposta a aplicação de técnicas de classificação em um conjunto de dados educacionais a partir de um curso na modalidade semipresencial, objetivando a obtenção de resultados como forma de apoiar a tomada de decisão por parte de professores e gestores. Para o desenvolvimento do trabalho foi considerada a interação Perfil de Uso do AVA, a fim de fazer possíveis classificações, levando em consideração como variável alvo o desempenho do aluno. Como resultados satisfatórios obtivemos a aplicação da técnica de árvore de decisão J48, tendo como performance uma taxa de 74% de acurácia.

Palavras-chave: Ambiente Virtual de Aprendizagem, Moodle, Mineração de Dados, Perfil de Uso, Classificação

Referências

Baker, R.S.J.d., I. S. d. C. A. (2011). Mineração de dados educacionais: Jornada de Atualização em Informática na Educação - JAIE 2012 25/29. Oportunidades para o Brasil. Revista Brasileira de Informática na Educação, 19(2).

Brusilovsky, P., Peylo, C., (2003). Adaptive and intelligent web-based educational systems. International Journal of Artificial Intelligence in Education, 13, 156-169.

Gottardo E., Kaestner C. A. A., Noronha R. V. (2014). Estimativa de Desempenho Acadêmico de Estudantes: Análise da Aplicação de Técnicas de Mineração de Dados em Cursos a Distância. Pág 45.

Hämäläinen, W., Vinni, M. (2011). Classifiers for Educational Data Mining. In: Romero et al. Handbook of Educational Data Mining. Flórida, CRC Press, p. 57-71.

Holmberg, B. (1986). Growth and Structure of Distance Education. London: Croom-Helm.

Moore M. G. (1989). Three Types of Interaction. The American Journal of Distance Education, 3(2):1–6.

Mostow, J., Beck, J., Cen, H., Cuneo, A., Gouvea, E., Heiner, C., (2005). An educational data mining tool to browse tutor-student interactions: Time will tell! In Proceedings of the Workshop on Educational Data Mining, Pittsburgh, USA (pp. 15–22).

Phillips, G. M., G. M. Santoro, and S. A. Kuehn. (1988). The use of computer-mediated communication in training students in group problem-solving and decision-making techniques. The American Journal of Distance Education 2(1):38-51.

Ryan B., Seiji I., Adriana C. (2011). Mineração de Dados Educacionais: Oportunidades para o Brasil. Revista Brasileira de Informática na Educação. Pág. 3.

Zorrilla, M. E., Menasalvas, E., Marin, D., Mora, E., Segovia, J., (2005). Web usage mining project for improving web-based learning sites. In Web Mining Workshop. Cataluna (pp. 1-22).

Witten, I.H., Frank, E., Hall, M.A. (2011). Data Mining: Practical Machine Learning Tools and Techniques. San Francisco: Morgan Kaufmann, 3 ed.