Uma Análise de Interação em Fóruns de EAD
Resumo
O registro de interações de alunos e professores/tutores em Ambientes Virtuais de Aprendizagem oferece importante oportunidade para que pesquisadores utilizem técnicas de estatística e de mineração visando a uma análise inteligente de dados. Dessa forma, professores e gestores acadêmicos podem valer-se dessas análises a fim de auxiliá-los em seus processos de tomada de decisão. O presente trabalho objetiva investigar o padrão de comportamento de alunos e professores de cursos a distância da Universidade Federal do Ceará, quanto às suas interações virtuais nos fóruns de discussão, segundo duas perspectivas de oferta de disciplinas, uma modular (disciplinas sequenciais) e outra semestral (disciplinas simultâneas). Foram utilizadas regras de associação e algoritmos de classificação para analisar o comportamento dos partícipes dos cursos. Os resultados obtidos a partir do uso dessas ferramentas demonstraram a importância de seu uso para amparar gestores acadêmicos em decisões que promovam melhor adequação ao contexto de cada curso.
Palavras-chave:
Interação, Fóruns, EAD, Análise de Dados, Estatística
Referências
Agrawal, R.; Srikant, R. Fast algorithms for mining association rules in large databases. Proceedings of the 20th International Conference on Very Large Data Bases, VLDB, pages 487-499, Santiago, Chile, September 1994.
Ávila, R.; Soares, J. Uso de técnicas de pré-processamento textual e algoritmos de comparação como suporte à correção de questões dissertativas: experimentos, análises e contribuições. In: Anais do Simpósio Brasileiro de Informática na Educação. Vol. 24. No. 1. 2013.
Azevedo, B. F. T.; Behar, P. A.; Reategui, E. B.; Art. Análise das mensagens de fóruns de discussão através de um software para mineração de textos. 22º Simpósio Brasileiro de Informática na Educação – SBIE - XVII WIE. 2011.
Baker, R. S. J.; Isotani, S.; Carvalho, A. M. J. B. Mineração de Dados Educacionais: Oportunidades para o Brasil. Revista Brasileira de Informática na Educação, Volume 19, Número 2, 2011.
Bramer, Max. Principles of Data Mining (Undergraduate Topics in Computer Science). Springer; 2nd ed. 2013 edition (February 25, 2013).
Dekker G.; Pechenizkiy M. and Vleeshouwers J. “Predicting Students Drop Out: A Case Study”. In Proceedings of the International Conference on Educational Data Mining, Cordoba, Spain, 2009. Pages 41-50.
Elmari, R.; Navathe, S. B.; Sistemas de Banco de Dados. 6ª Edição. Editora Pearson. (pp 698 – 731). 2010.
Fayyad, U.; Piatetsky-Shapiro, G.; Smith, P. From Data Mining to Knowledge Discovery: An Overview. In: Advances in Knowledge Discovery and Data Mining, AAAI Press/ The MIT Press, MIT, Cambridge, Massachusets, England, 1996.
Gottardo, E.; Kaestner, C.; Noronha, R. V.; Art. Previsão de desempenho de estudantes em cursos EaD utilizando mineração de dados: uma estratégia baseada em séries temporais. 23º Simpósio Brasileiro de Informática na Educação – SBIE. 2012.
Hall, M.; Frank, E.; Holmes, G.; Pfahringer, B.; Reutemann, P. and Witten. I.H. (2003) “The WEKA Data Mining Software: An Update” SIGKDD Explorations, Volume 11. 2009, Issue 1.
Jacob, S. M.; Sam, H. K.; Analysis of interaction patterns and scaffolding practices in online discussion forums; 4th International Conference on Distance Learning and Education (ICDLE), IEEE. 2010.
Jaggars, S. S.; Xu, D.; (2013) Predicting Online Student Outcomes From a Measure of Course Quality. Community college reasearch Center - CCRC Working Paper No. 57. Colegiado de professores – Universidade de Columbia. Abril de 2013.
Liu, K.F.-R.; Chen, Jia-Shen; (2011) Prediction and assessment of student learning outcomes in calculus a decision support of integrating data mining and Bayesian belief networks. IEEExplore. 3rd International Conference on Computer Research and Development (ICCRD). 2011.
Manhães, L. M. B.; Cruz, S. M. S.; Costa, R. J. M.; Zavaleta, J.; Zimbrão G.; (2011) “Previsão de Estudantes com Risco de Evasão Utilizando Técnicas de Mineração de Dados.” 22º Simpósio Brasileiro de Informática na Educação – SBIE - XVII WIE. 2011.
Mazza, R.; Visualization in Educational Environments. Handbook of Educational Data Mining. Ed. CRC Press. 2011.
Romero, C., Ventura, S.; Educational Data Mining: A Survey from 1995 to 2005. Expert Systems with Applications, 33(1), 135-146. 2007.
Weka. Machine Learning. Disponível em: [link]. Acesso em: 07 jan. 2014.
Ávila, R.; Soares, J. Uso de técnicas de pré-processamento textual e algoritmos de comparação como suporte à correção de questões dissertativas: experimentos, análises e contribuições. In: Anais do Simpósio Brasileiro de Informática na Educação. Vol. 24. No. 1. 2013.
Azevedo, B. F. T.; Behar, P. A.; Reategui, E. B.; Art. Análise das mensagens de fóruns de discussão através de um software para mineração de textos. 22º Simpósio Brasileiro de Informática na Educação – SBIE - XVII WIE. 2011.
Baker, R. S. J.; Isotani, S.; Carvalho, A. M. J. B. Mineração de Dados Educacionais: Oportunidades para o Brasil. Revista Brasileira de Informática na Educação, Volume 19, Número 2, 2011.
Bramer, Max. Principles of Data Mining (Undergraduate Topics in Computer Science). Springer; 2nd ed. 2013 edition (February 25, 2013).
Dekker G.; Pechenizkiy M. and Vleeshouwers J. “Predicting Students Drop Out: A Case Study”. In Proceedings of the International Conference on Educational Data Mining, Cordoba, Spain, 2009. Pages 41-50.
Elmari, R.; Navathe, S. B.; Sistemas de Banco de Dados. 6ª Edição. Editora Pearson. (pp 698 – 731). 2010.
Fayyad, U.; Piatetsky-Shapiro, G.; Smith, P. From Data Mining to Knowledge Discovery: An Overview. In: Advances in Knowledge Discovery and Data Mining, AAAI Press/ The MIT Press, MIT, Cambridge, Massachusets, England, 1996.
Gottardo, E.; Kaestner, C.; Noronha, R. V.; Art. Previsão de desempenho de estudantes em cursos EaD utilizando mineração de dados: uma estratégia baseada em séries temporais. 23º Simpósio Brasileiro de Informática na Educação – SBIE. 2012.
Hall, M.; Frank, E.; Holmes, G.; Pfahringer, B.; Reutemann, P. and Witten. I.H. (2003) “The WEKA Data Mining Software: An Update” SIGKDD Explorations, Volume 11. 2009, Issue 1.
Jacob, S. M.; Sam, H. K.; Analysis of interaction patterns and scaffolding practices in online discussion forums; 4th International Conference on Distance Learning and Education (ICDLE), IEEE. 2010.
Jaggars, S. S.; Xu, D.; (2013) Predicting Online Student Outcomes From a Measure of Course Quality. Community college reasearch Center - CCRC Working Paper No. 57. Colegiado de professores – Universidade de Columbia. Abril de 2013.
Liu, K.F.-R.; Chen, Jia-Shen; (2011) Prediction and assessment of student learning outcomes in calculus a decision support of integrating data mining and Bayesian belief networks. IEEExplore. 3rd International Conference on Computer Research and Development (ICCRD). 2011.
Manhães, L. M. B.; Cruz, S. M. S.; Costa, R. J. M.; Zavaleta, J.; Zimbrão G.; (2011) “Previsão de Estudantes com Risco de Evasão Utilizando Técnicas de Mineração de Dados.” 22º Simpósio Brasileiro de Informática na Educação – SBIE - XVII WIE. 2011.
Mazza, R.; Visualization in Educational Environments. Handbook of Educational Data Mining. Ed. CRC Press. 2011.
Romero, C., Ventura, S.; Educational Data Mining: A Survey from 1995 to 2005. Expert Systems with Applications, 33(1), 135-146. 2007.
Weka. Machine Learning. Disponível em: [link]. Acesso em: 07 jan. 2014.
Publicado
03/11/2014
Como Citar
PEQUENO, Henrique; DE ÁVILA, Ricardo L. F.; CRUZ, Elifranio; ALEXANDRE, Marcondes; DE LIMA, Ernesto Trajano; DE CASTRO, Miguel Franklin.
Uma Análise de Interação em Fóruns de EAD. In: SIMPÓSIO BRASILEIRO DE INFORMÁTICA NA EDUCAÇÃO (SBIE), 25. , 2014, Dourados/MS.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2014
.
p. 1203-1212.
DOI: https://doi.org/10.5753/cbie.sbie.2014.1203.
