Análise de Sentimentos para Subsidiar Reformas Curriculares Considerando o Ponto de Vista Estudantil
Resumo
O sistema de educação escolar vigente no Brasil está organizado em dois níveis, sendo um deles o ensino superior. Neste nível, são asseguradas a criação, organização e extinção de cursos e programas educacionais. Considerando o desenvolvimento curricular destes cursos, diversos pontos conflitantes são encontrados e que, com o passar do tempo, sua matriz se torna defasada, fazendo-se necessário um processo de revisão e atualização. Neste processo, os estudantes estão quase sempre à margem das discussões. Portanto, este estudo apresenta a aplicação da técnica de análise de sentimentos para extrair insights baseadas na opinião dos estudantes sobre a matriz curricular, apontando, através de seus sentimentos, subsídios para uma reforma curricular.
Palavras-chave:
Matriz Curricular, Análise de Sentimentos, Feedback Estudantil
Referências
Altrabsheh, N., Gaber, M., and Haig, E. (2013). Sa-e: Sentiment analysis for education. Frontiers in Artificial Intelligence and Applications, 255:1–10.
Araújo, M., Gonçalves, P., and Benevenuto, F. (2013). Measuring sentiments in online social networks. In 19th Brazilian Symposium on Multimedia and the Web, pages 97–104, Salvador, BA, Brazil. ACM.
Das, S. and Chen, M. (2007). Yahoo! for amazon: Sentiment extraction from small talk on the web. Management Science, 53:1375–1388.
Dave, K., Lawrence, S., and Pennock, D. M. (2003). Mining the peanut gallery: Opinion extraction and semantic classification of product reviews. In 12th International Conference on World Wide Web, page 519–528, New York, NY, USA. ACM.
Ferreira, J. (2014). Google Apps Script: Web Application Development Essentials. O’Reilly, Newton, MA, USA.
Ferreira, R. A. and Ramos, L. O. (2018). O projeto da MP nº 746: entre o discurso e o percurso de um novo ensino médio. Ensaio: Avaliação e Políticas Públicas em Educação, 26(101):1176–1196.
Liu, B. (2012). Sentiment analysis and opinion mining. Synthesis lectures on human language technologies, 5(1):1–167.
Narayanan, R., Liu, B., and Choudhary, A. (2009). Sentiment analysis of conditional sentences. In Conference on Empirical Methods in Natural Language Processing, page 180–189, USA. Association for Computational Linguistics.
Nasim, Z., Rajput, Q., and Haider, S. (2017). Sentiment analysis of student feedback using machine learning and lexicon based approaches. In 2017 international conference on research and innovation in information systems (ICRIIS), pages 1–6, Langkawi, Malaysia. IEEE.
Nasukawa, T. and Yi, J. (2003). Sentiment analysis: Capturing favorability using natural language processing. In 2nd International Conference on Knowledge Capture, page 70–77, New York, NY, USA. ACM.
Santos, G., Santos, M., Mota, V. F. S., Benevenuto, F., and Silva, T. H. (2018). Neutral or negative? sentiment evaluation in reviews of hosting services. In Simpósio Brasileiro de Sistemas Multimídia e Web (WebMedia), page 347–354, Salvador, BA, Brasil. ACM.
Silva, N. R., Lima, D., and Barros, F. (2012). SAPair: Um processo de análise de sentimento no nível de característica. 4nd International Workshop on Web and Text Intelligence (WTI’12), page 2.
Tong, R. (2001). An operational system for detecting and tracking opinions in on-line discussions. In Workshop on Operational Text Classification Systems, pages 1–6, New Orleans, LA, USA. ACM.
Turney, P. D. (2002). Thumbs up or thumbs down?: semantic orientation applied to unsupervised classification of reviews. In 40th Annual Meeting on Association for Computational Linguistics, pages 417–424, Philadelphia. Cornell University.
Wiebe, J. et al. (2000). Learning subjective adjectives from corpora. AAAI, Menlo Park, CA, USA.
Araújo, M., Gonçalves, P., and Benevenuto, F. (2013). Measuring sentiments in online social networks. In 19th Brazilian Symposium on Multimedia and the Web, pages 97–104, Salvador, BA, Brazil. ACM.
Das, S. and Chen, M. (2007). Yahoo! for amazon: Sentiment extraction from small talk on the web. Management Science, 53:1375–1388.
Dave, K., Lawrence, S., and Pennock, D. M. (2003). Mining the peanut gallery: Opinion extraction and semantic classification of product reviews. In 12th International Conference on World Wide Web, page 519–528, New York, NY, USA. ACM.
Ferreira, J. (2014). Google Apps Script: Web Application Development Essentials. O’Reilly, Newton, MA, USA.
Ferreira, R. A. and Ramos, L. O. (2018). O projeto da MP nº 746: entre o discurso e o percurso de um novo ensino médio. Ensaio: Avaliação e Políticas Públicas em Educação, 26(101):1176–1196.
Liu, B. (2012). Sentiment analysis and opinion mining. Synthesis lectures on human language technologies, 5(1):1–167.
Narayanan, R., Liu, B., and Choudhary, A. (2009). Sentiment analysis of conditional sentences. In Conference on Empirical Methods in Natural Language Processing, page 180–189, USA. Association for Computational Linguistics.
Nasim, Z., Rajput, Q., and Haider, S. (2017). Sentiment analysis of student feedback using machine learning and lexicon based approaches. In 2017 international conference on research and innovation in information systems (ICRIIS), pages 1–6, Langkawi, Malaysia. IEEE.
Nasukawa, T. and Yi, J. (2003). Sentiment analysis: Capturing favorability using natural language processing. In 2nd International Conference on Knowledge Capture, page 70–77, New York, NY, USA. ACM.
Santos, G., Santos, M., Mota, V. F. S., Benevenuto, F., and Silva, T. H. (2018). Neutral or negative? sentiment evaluation in reviews of hosting services. In Simpósio Brasileiro de Sistemas Multimídia e Web (WebMedia), page 347–354, Salvador, BA, Brasil. ACM.
Silva, N. R., Lima, D., and Barros, F. (2012). SAPair: Um processo de análise de sentimento no nível de característica. 4nd International Workshop on Web and Text Intelligence (WTI’12), page 2.
Tong, R. (2001). An operational system for detecting and tracking opinions in on-line discussions. In Workshop on Operational Text Classification Systems, pages 1–6, New Orleans, LA, USA. ACM.
Turney, P. D. (2002). Thumbs up or thumbs down?: semantic orientation applied to unsupervised classification of reviews. In 40th Annual Meeting on Association for Computational Linguistics, pages 417–424, Philadelphia. Cornell University.
Wiebe, J. et al. (2000). Learning subjective adjectives from corpora. AAAI, Menlo Park, CA, USA.
Publicado
16/11/2022
Como Citar
BARBOSA, Aline F.; GALLINDO, Erica L.; MOREIRA, Mário W. L..
Análise de Sentimentos para Subsidiar Reformas Curriculares Considerando o Ponto de Vista Estudantil. In: WORKSHOP DE APLICAÇÕES PRÁTICAS DE LEARNING ANALYTICS EM INSTITUIÇÕES DE ENSINO NO BRASIL (WAPLA), 1. , 2022, Manaus.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2022
.
p. 01-10.
DOI: https://doi.org/10.5753/wapla.2022.226226.
