Modelo de Regressão Linear aplicado à previsão de desempenho de estudantes em ambiente de aprendizagem
Resumo
Extrair informações relevantes que auxiliem a gestão da aprendizagem e viabilizem o acompanhamento efetivo de estudantes em cursos mediados por tecnologia é um desafio. Diversos trabalhos vem sendo desenvolvidos a partir de técnicas de mineração de dados educacionais para fins de tomada de decisão. O objetivo principal deste trabalho foi investigar a viabilidade da utilização do modelo de regressão linear para a obtenção de inferências em etapas iniciais da realização de cursos online, como forma de apoiar a tomada de decisão por parte de professores e gestores. Propomos a utilização da técnica de regressão linear para estimar o desempenho de alunos baseados em suas interações dentro da plataforma virtual de aprendizagem, levando em consideração variáveis comportamentais. Os resultados obtidos demonstraram que é possível utilizar a técnica de regressão linear para obter inferências com boas taxas de precisão.
Palavras-chave:
Regressão Linear, Desempenho de Estudantes, Aprendizagem Online
Referências
Anderson, T. e Garrison, D. Learning in a networked world: New roles and responsibilities. In C. Gibson (Ed.), Distance Learners in Higher Education. p. 97-112. Madison, WI.: Atwood Publishing, 1998.
Baker, R.S.J.d. Data Mining for Education. McGaw, B., Peterson, P., Baker, E. (Eds.) International Encyclopedia of Education (3rd edition). Oxford, UK: Elsevier. 2010.
Baker, R.S.J.d., Isotani, S., de Carvalho, A. (2011) Mineração de Dados Educacionais: Oportunidades para o Brasil. Revista Brasileira de Informática na Educação, 19 (2), 3-13.
Curral, J. Statistics Packages: A General Overview. Universidade de Glasgow, 1994.
Gottardo, E., Kaestner, C., Noronha, R.V. Previsão de Desempenho de Estudantes em Cursos EAD Utilizando Mineração de Dados: uma Estratégia Baseada em Séries Temporais. In Proceedings of Simpósio Brasileiro de Informática na Educação – SBIE 2012, 26 a 30 de novembro de 2012. Rio de Janeiro, RJ.
Hoffmann, R. Análise de Regressão: Uma Introdução a Econometria. Editora Hucitec, 2006.
Hirumi, A. Analyzing and designing e-learning interactions. In Charles Juwah (Ed.), Interactions in online education implications for theory e practice, 46 – 71, New York: Routledge Publishing, 2006.
Johnson, G. M. e Johnson, J. A. Dimensions of Online Behavior: Implications for Engineering E-Learning. In: Magued, I.; Vikram, K.; Mohammed, K. (Org.), Technological Developments in Education and Automation, Springer, 2010.
Kear, K. Social presence in online learning communities. Proceedings of the 7th International Conference on Networked Learning, Aalborg, Denmark, 2010.
Moore, M. Three types of interaction. American Journal of Distance Education, 3(2), 1 – 6, 1989.
Picciano, A. G. "Beyond student perceptions: Issues of interaction, presence, and performance in an online course." Journal of Asynchronous learning networks, 21-40, 2002.
Russo, T. C. e Scott C. Perceptions of mediated presence in an asynchronous onlinecourse: Interplay of communication behaviors and medium. Distance Education, 25(2), 215-232, 2004.
Souza, S.G.; Introdução aos Modelos de Regressão Linear e Não-Linear. Embrapa Produção de Informação, 2001.
Watson, A. Developing teaching practice for more effective use of synchronous discussion: A preliminary investigation. In Hello! Where are you in the landscape of educational technology? Proceedings ascilite, Melbourne, 2008.
Baker, R.S.J.d. Data Mining for Education. McGaw, B., Peterson, P., Baker, E. (Eds.) International Encyclopedia of Education (3rd edition). Oxford, UK: Elsevier. 2010.
Baker, R.S.J.d., Isotani, S., de Carvalho, A. (2011) Mineração de Dados Educacionais: Oportunidades para o Brasil. Revista Brasileira de Informática na Educação, 19 (2), 3-13.
Curral, J. Statistics Packages: A General Overview. Universidade de Glasgow, 1994.
Gottardo, E., Kaestner, C., Noronha, R.V. Previsão de Desempenho de Estudantes em Cursos EAD Utilizando Mineração de Dados: uma Estratégia Baseada em Séries Temporais. In Proceedings of Simpósio Brasileiro de Informática na Educação – SBIE 2012, 26 a 30 de novembro de 2012. Rio de Janeiro, RJ.
Hoffmann, R. Análise de Regressão: Uma Introdução a Econometria. Editora Hucitec, 2006.
Hirumi, A. Analyzing and designing e-learning interactions. In Charles Juwah (Ed.), Interactions in online education implications for theory e practice, 46 – 71, New York: Routledge Publishing, 2006.
Johnson, G. M. e Johnson, J. A. Dimensions of Online Behavior: Implications for Engineering E-Learning. In: Magued, I.; Vikram, K.; Mohammed, K. (Org.), Technological Developments in Education and Automation, Springer, 2010.
Kear, K. Social presence in online learning communities. Proceedings of the 7th International Conference on Networked Learning, Aalborg, Denmark, 2010.
Moore, M. Three types of interaction. American Journal of Distance Education, 3(2), 1 – 6, 1989.
Picciano, A. G. "Beyond student perceptions: Issues of interaction, presence, and performance in an online course." Journal of Asynchronous learning networks, 21-40, 2002.
Russo, T. C. e Scott C. Perceptions of mediated presence in an asynchronous onlinecourse: Interplay of communication behaviors and medium. Distance Education, 25(2), 215-232, 2004.
Souza, S.G.; Introdução aos Modelos de Regressão Linear e Não-Linear. Embrapa Produção de Informação, 2001.
Watson, A. Developing teaching practice for more effective use of synchronous discussion: A preliminary investigation. In Hello! Where are you in the landscape of educational technology? Proceedings ascilite, Melbourne, 2008.
Publicado
25/11/2013
Como Citar
RODRIGUES, Rodrigo Lins; DE MEDEIROS, Francisco P. A.; GOMES, Alex Sandro.
Modelo de Regressão Linear aplicado à previsão de desempenho de estudantes em ambiente de aprendizagem. In: SIMPÓSIO BRASILEIRO DE INFORMÁTICA NA EDUCAÇÃO (SBIE), 24. , 2013, Campinas/SP.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2013
.
p. 607-616.
DOI: https://doi.org/10.5753/cbie.sbie.2013.607.
