Aplicação de Técnicas de Mineração de Dados para o Mapeamento do Conhecimento na Aprendizagem de Programação: Uma Estratégia Baseada na Taxonomia de Bloom

• Rozelma Soares de França UPE / UFPE
• Haroldo José Costa do Amaral UPE

Resumo

O processo contínuo de avaliação da aprendizagem pode gerar uma grande massa de dados, onde técnicas computacionais podem ser utilizadas na descoberta de informações, auxiliando educadores em suas atividades. Este trabalho propõe a definição de um conjunto de atributos, pautado na Taxonomia de Bloom, e a aplicação de técnicas de mineração em dados coletados a partir de avaliações, para realizar o mapeamento do conhecimento de estudantes. Experimentos realizados em uma disciplina de programação demonstram a viabilidade da proposta, possibilitando a identificação do nível de assimilação de conteúdos e permitindo que estratégias pedagógicas sejam adequadamente planejadas.

Referências

Anderson, L. W.; Krathwohl, D. R. (Ed.) (2001). “A taxonomy for learning, teaching, and assessing: A revision of Bloom’s taxonomy of educational objectives”. New York: Addison Wesley Longman.

Baker, R.; Isotani, S.; Carvalho, A. (2011). “Mineração de Dados Educacionais: Oportunidades para o Brasil”. Revista Brasileira de Informática na Educação, v. 19, n. 02, p. 3-13.

Bloom, B.S. (Ed.); Engelhart, M. D.; Furst, E. J.; Hill, W. H.; Krathwohl, D. R.. (1956) “Taxonomy of educational objectives: The classification of educational goals. Handbook 1: Cognitive domain”. New York: David McKay.

Carvalho, J. V. (2000). “Reconhecimento de Caracteres Manuscritos Utilizando Regras de Associação”. Dissertação de Mestrado. UFCG/COPIN.

Cerny, R. Z. (2001). “Uma reflexão sobre a avaliação formativa na educação a distância”. UFSC.

Fayyad, U.; Grinstein, G. G.; Wierse, A. (2002). “Information Visualization”. In: Data Mining And Knowledge Discovery. Morgan Kaufmann Publishers Inc, San Francisco, CA, USA.

Fayyad, U.; Piatetsky-Shapiro, G.; Smyth, P. (1996). “From Data Mining to Knowlegde Discovery”. American Association for Artificial Intelligence.

Ferraz, A. P. do C. M.; Belhot, R. V.. (2010). “Taxonomia de Bloom: revisão teórica e apresentação das adequações do instrumento para definição de objetivos instrucionais”. Gest. Prod., São Carlos, v. 17, n. 2, p. 421-431.

Gottardo, E.; Kaestner, C.; Noronha, R. V. (2012). “Previsão de Desempenho de Estudantes em Cursos EAD Utilizando Mineração de Dados: uma Estratégia Baseada em Séries Temporais”. In: XXIII Simpósio Brasileiro de Informática na Educação, 2012, Rio de Janeiro. Anais do XXIII SBIE.

Hadji, C. (2001). “A avaliação desmistificada”. Porto Alegre: ArtMed.

Han, J.; Kamber, M. (2001). “Data Mining: Concepts and Tecniques”. San Francisco: Morgan Kaufmann Publishers.

Hoffmann, J. M. L. (2010). “Avaliação: mito e desafio – uma perspectiva construtivista”. Porto Alegre: Mediação.

Krathwohl, D. R. (2002). “A revision of Bloom’s taxonomy: an overview. Theory in Practice”, v. 41, n. 4, p. 212-218.

Perrenoud, P. (1999). “Avaliação: da excelência à regulação das aprendizagens entre duas lógicas”. Porto Alegre: Artes Médicas.

Pimentel. E. P.; Omar, N. (2006). “Descobrindo Conhecimentos em Dados de Avaliação da Aprendizagem com Técnicas de Mineração de Dados”. In: XII Workshop de Informática na Escola, Campo Grande, MS. Anais do XXVI CSBC.

Quinlan, R. (1993). “C4.5: Programs for Machine Learning”, Morgan Kaufmann Publishers, San Mateo, CA.

Rapkiewicz, C. E; Falkembach, G; Seixas, L.; Rosa, N. S.; Cunha, V. V. Da; Klemann, M. (2006). “Estratégias pedagógicas no ensino de algoritmos e programação associadas ao uso de jogos educacionais”. Revista Novas Tecnologias na Educação, v. 4, nº 2, Dezembro.

Rezende, S. O.; Pugliesi, J. B.; Melanda, E. A.; Paula, M. F. de. (2003). “Mineração de dados”. In: Rezende, S. O. Sistemas Inteligentes: Fundamentos e Aplicações. Barueri, SP: Manole.

Romero, C; Ventura, S.. “Educational Data Mining: A Survey from 1995 to 2005” (2007). Expert Systems with Applications 33, p. 125-146.

Santos, H. L. dos; Camargo, F. N. P.; Camargo, S. da S. (2012). “Minerando Dados de Ambientes Virtuais de Aprendizagem para Predição de Desempenho de Estudantes”. In: Seventh Latin American Conference on Learning Objects and Technologies, Guayaquil. Proceedings of the 7th LACLO.

Witten, I. H.; Frank, E.; Hall, M. A. (2011). “Data Mining: Practical Machine Learning Tools and Techniques”, 3nd edition, Morgan Kaufmann, Burlington, MA.

Witten, I. H.; Frank, E. (2005). “Data Mining: Practical Machine Learning Tools and Techniques”. 2nd edition, Morgan Kaufmann Publishers, San Francisco, CA.