Uma Ontologia Baseada em ML-Schema para Proveniência e Governança de Fluxos de Machine Learning em Educação Superior

• Abílio Nogueira Barros Universidade de Pernambuco (UPE)
• Andreza Alencar Universidade Federal Rural de Pernambuco (UFRPE)
• Fred Freitas Universidade Federal de Pernambuco (UFPE)
• Alexandre Magno Andrade Maciel Universidade de Pernambuco (UPE)

DOI: https://doi.org/10.5753/sbie.2026.27996

Resumo

A heterogeneidade de abordagens em estudos de machine learning no ensino superior evidencia a necessidade de mecanismos de padronização e rastreabilidade semântica sobre fluxos analíticos educacionais. Este trabalho propõe a OntoMLEdu, uma ontologia de aplicação que estende o vocabulário ML-Schema para o domínio do ensino superior, formalizando em Web Ontology Language (OWL 2) conceitos de proveniência, governança de dados e rastreabilidade de Machine Learning Operations (MLOps). Uma prova de conceito demonstrou a capacidade da ontologia de representar ciclos completos de mineração de dados educacionais, identificar lacunas de conformidade de forma autônoma e atuar como camada semântica para trabalhos futuros.

Palavras-chave: Ontologia, Machine Learning, Governança de Dados

Referências

da Silva, E. M., Mutz, F. W., and Ruy, F. B. (2022). Uso de ontologias no suporte a aplicação de machine learning: Um caso no domínio de evasão escolar. In ONTOBRAS, pages 32–45.

Daniel, E. M. P., de Oliveira, J. P., Wives, L. K., and Lorandi, A. (2023). Transformando o processo de avaliação da qualidade no ensino superior: Uma proposta ontológica para a ufrgs. In Workshop em Estratégias Transformadoras e Inovação na Educação (WETIE), pages 62–72. SBC.

Daniel, E. M. P., Wives, L. K., Lorandi, A., and de Oliveira, J. P. M. (2025). Ontologia para análise qualitativa automatizada em avaliações de cursos de ensino superior. In Simpósio Brasileiro de Banco de Dados (SBBD), pages 371–381. SBC.

de Oliveira, P. R. F., de Alencar Silva, P., and Neto, P. F. R. (2020). Ontologia dos objetivos educacionais. In Simpósio Brasileiro de Informática na Educação (SBIE), pages 1183–1192. SBC.

Ferreira, L. A., Rodrigues, R. L., and de Souza, R. N. (2021). Dados abertos educacionais brasileiros: Um mapeamento sistemático da literatura. Simpósio Brasileiro de Informática na Educação (SBIE), pages 1186–1195.

Kantorski, G. Z., Martins, R. Z., Balejo, A., and Frick, M. (2023). Mineração de dados educacionais para predição da evasão em cursos de graduação presenciais no ensino superior. In Simpósio Brasileiro de Informática na Educação (SBIE), pages 1133–1142. SBC.

Noy, N. F., McGuinness, D. L., et al. (2001). Ontology development 101: A guide to creating your first ontology.

Oberle, D., Staab, S., and Volz, R. (2005). Three dimensions of knowledge representation in wonderweb. Künstliche Intell., 19(1):31.

Passos, D. D. N., de Araújo, S. R. F., Silva, S. D., and Queiroz, P. G. G. (2023). Uma ontologia para apoiar o ensino de matemática básica com uso de robótica educacional. HOLOS, 8(39).

Publio, G. C., Esteves, D., Panov, P., Soldatova, L., Soru, T., Vanschoren, J., Zafar, H., et al. (2018). Ml-schema: exposing the semantics of machine learning with schemas and ontologies. arXiv preprint arXiv:1807.05351.

Sure, Y., Staab, S., and Studer, R. (2009). Ontology engineering methodology. In Handbook on ontologies, pages 135–152. Springer.

Uschold, M. and Gruninger, M. (1996). Ontologies: Principles, methods and applications. The knowledge engineering review, 11(2):93–136.