Análise de Sentimentos e Emoções em Fóruns Educacionais: Um Estudo de Caso em um Curso de Formação Docente durante a Pandemia
Resumo
No contexto educacional, as emoções devem ser gerenciadas, pois afetam os processos cognitivos como a memorização e a tomada de decisão, apoiando a construção de conhecimento e o desenvolvimento de habilidades. Durante a pandemia de Covid-19, com o ensino remoto emergencial, muitos professores participaram de iniciativas de formação em tecnologias educacionais. Neste estudo, apresentamos uma análise das emoções e sentimentos de professores que participaram de um curso de formação docente. As análises feitas neste estudo de caso foram realizadas em fóruns educacionais do Ambiente Virtual de Aprendizagem (AVA) Moodle, utilizando a biblioteca Syuzhet da linguagem R. Como resultados, as emoções mais predominantes das mensagens dos fóruns foram confiança e antecipação. Em relação aos sentimentos, foram identificados mais sentimentos positivos do que negativos e neutros. Isto demonstra que, apesar dos desafios trazidos pelo período pandêmico, os professores percebiam os benefícios do uso de tecnologias para apoiar a Educação.
Referências
Alves, F. B. e Lima, D. A. (2018). Uso de la clasificación para el análisis y la minería de datos en la herramienta de enseñanza-aprendizaje google classroom. Nuevas Ideas en Informática Educativa, 4:589–594.
Alves, F. B., Ribeiro, J. F., Ribeiro, J. F., Magalhaes, V. P., e Lima, D. A. (2021). Teaching and learning mediated by the google classroom toolthrough data collection and analysis. XXIX Ciclo de Palestras sobre Novas Tecnologias na Educação (CINTED), pages 226–235.
Araujo, J. A. S., Brito, S. S., de Amorim, V. J. P., Almeida, S. M. F., e de Assis, G. A. (2020). Formação de profissionais da educação básica na pandemia: Um estudo de caso. In Anais do XXXI Simpósio Brasileiro de Informática na Educação, pages 92–101. SBC.
Azevedo, D., Ferreira, R., Mendonca, V., e Miranda, P. (2017). Aplicação de análise de sentimento em fóruns educacionais para prevenir evasão. In Brazilian symposium on computers in education (simpósio brasileiro de informática na educaçao-sbie), volume 28, page 1097.
Bastos, C. A. R. e Siqueira, S. W. M. (2020). Repensando o ensino com novas tecnologias, design thinking e experiência do aluno: Um estudo qualitativo com base em formação docente. Revista Brasileira de Informática Na Educação, 28:573–595.
Coutinho, E., Moreira, L., Paillard, G., e de Lima, E. T. (2016). Análise do sentimento de mensagens de chats em uma turma de graduação de um curso de educação à distância. In Anais dos Workshops do Congresso Brasileiro de Informática na Educação, volume 5, page 1019.
de Souza, V. F. e Perry, G. T. (2019). Mineração de texto em moocs: análise da relevância temática de postagens em fóruns de discussão. RENOTE, 17(3):204–2013.
dos Santos Alencar, M. A. e de Magalhães Netto, J. F. (2022). Modelo para análise de sentimentos no ava: Um estudo de caso. RENOTE, 20(1):143–152.
Feldman, R. (2013). Techniques and applications for sentiment analysis. Communications of the ACM, 56(4):82–89.
Fuady, I., Sutarjo, M. A. S., e Ernawati, E. (2021). Analysis of students’ perceptions of online learning media during the covid-19 pandemic (study of e-learning media: Zoom, google meet, google classroom, and lms). Randwick International of Social Science Journal, 2(1):51–56.
Isasi, J. (2021). Análisis de sentimientos en r con ≪syuzhet≫. The Programming Historian en espanol, (5).
Ivenicki, A. (2021). Educação permanente digital e instituições de ensino superior: potenciais e desafios multiculturais em período de pandemia. Ensaio: Avaliação e Políticas Públicas em Educação, 29(111):360–377.
Jockers, M. L. (2015). Syuzhet: Extract sentiment and plot arcs from text. Retrieved October, 21:2015.
Lima, D. A. e Isotani, S. (2022). Guidelines for google classroom usage as an elearning tool during covid-19 pandemic based on similarity search. In Anais do XXXIII Simpósio Brasileiro de Informática na Educação, pages 289–300. SBC.
Liu, B. (2012). Sentiment analysis and opinion mining. Synthesis lectures on human language technologies, 5(1):1–167.
Mangione, G. R., Pierri, A., e Iovane, G. (2012). Using emotions to improve role taking in storytelling complex learning objects. In 2012 Sixth International Conference on Complex, Intelligent, and Software Intensive Systems, pages 893–898. IEEE.
Misuraca, M., Forciniti, A., Scepi, G., e Spano, M. (2020). Sentiment analysis for education with r: packages, methods and practical applications. arXiv preprint arXiv:2005.12840.
Mohammad, S. M. e Turney, P. D. (2013a). Crowdsourcing a word–emotion association lexicon. Computational intelligence, 29(3):436–465.
Mohammad, S. M. e Turney, P. D. (2013b). Nrc emotion lexicon. National Research Council, Canada, 2:234.
Paes, V. J., Araújo, D., Brito, K., e Andrade, E. (2022). Análise de sentimento em tweets relacionados ao desmatamento da floresta amazônica. In Anais do XI Brazilian Workshop on Social Network Analysis and Mining, pages 61–72. SBC.
Pekrun, R. (2011). Emotions as drivers of learning and cognitive development. In New perspectives on affect and learning technologies, pages 23–39. Springer.
Península, I. (2020). Sentimento e percepção dos professores brasileiros nos diferentes estágios do coronavírus no brasil. Março de 2020.
Pereira, D. A. (2021). A survey of sentiment analysis in the portuguese language. Artificial Intelligence Review, 54(2):1087–1115.
Silge, J. e Robinson, D. (2017). Text mining with R: A tidy approach. ”O’Reilly Media, Inc.”.
Silva, H., Andrade, E., Araújo, D., e Dantas, J. (2021). Sentiment analysis of tweets related to sus before and during covid-19 pandemic. IEEE Latin America Transactions, 20(1):6–13.
Sosea, T. e Caragea, C. (2020). Canceremo: A dataset for fine-grained emotion detection. In Proceedings of the 2020 Conference on Empirical Methods in Natural Language Processing (EMNLP), pages 8892–8904.
Alves, F. B., Ribeiro, J. F., Ribeiro, J. F., Magalhaes, V. P., e Lima, D. A. (2021). Teaching and learning mediated by the google classroom toolthrough data collection and analysis. XXIX Ciclo de Palestras sobre Novas Tecnologias na Educação (CINTED), pages 226–235.
Araujo, J. A. S., Brito, S. S., de Amorim, V. J. P., Almeida, S. M. F., e de Assis, G. A. (2020). Formação de profissionais da educação básica na pandemia: Um estudo de caso. In Anais do XXXI Simpósio Brasileiro de Informática na Educação, pages 92–101. SBC.
Azevedo, D., Ferreira, R., Mendonca, V., e Miranda, P. (2017). Aplicação de análise de sentimento em fóruns educacionais para prevenir evasão. In Brazilian symposium on computers in education (simpósio brasileiro de informática na educaçao-sbie), volume 28, page 1097.
Bastos, C. A. R. e Siqueira, S. W. M. (2020). Repensando o ensino com novas tecnologias, design thinking e experiência do aluno: Um estudo qualitativo com base em formação docente. Revista Brasileira de Informática Na Educação, 28:573–595.
Coutinho, E., Moreira, L., Paillard, G., e de Lima, E. T. (2016). Análise do sentimento de mensagens de chats em uma turma de graduação de um curso de educação à distância. In Anais dos Workshops do Congresso Brasileiro de Informática na Educação, volume 5, page 1019.
de Souza, V. F. e Perry, G. T. (2019). Mineração de texto em moocs: análise da relevância temática de postagens em fóruns de discussão. RENOTE, 17(3):204–2013.
dos Santos Alencar, M. A. e de Magalhães Netto, J. F. (2022). Modelo para análise de sentimentos no ava: Um estudo de caso. RENOTE, 20(1):143–152.
Feldman, R. (2013). Techniques and applications for sentiment analysis. Communications of the ACM, 56(4):82–89.
Fuady, I., Sutarjo, M. A. S., e Ernawati, E. (2021). Analysis of students’ perceptions of online learning media during the covid-19 pandemic (study of e-learning media: Zoom, google meet, google classroom, and lms). Randwick International of Social Science Journal, 2(1):51–56.
Isasi, J. (2021). Análisis de sentimientos en r con ≪syuzhet≫. The Programming Historian en espanol, (5).
Ivenicki, A. (2021). Educação permanente digital e instituições de ensino superior: potenciais e desafios multiculturais em período de pandemia. Ensaio: Avaliação e Políticas Públicas em Educação, 29(111):360–377.
Jockers, M. L. (2015). Syuzhet: Extract sentiment and plot arcs from text. Retrieved October, 21:2015.
Lima, D. A. e Isotani, S. (2022). Guidelines for google classroom usage as an elearning tool during covid-19 pandemic based on similarity search. In Anais do XXXIII Simpósio Brasileiro de Informática na Educação, pages 289–300. SBC.
Liu, B. (2012). Sentiment analysis and opinion mining. Synthesis lectures on human language technologies, 5(1):1–167.
Mangione, G. R., Pierri, A., e Iovane, G. (2012). Using emotions to improve role taking in storytelling complex learning objects. In 2012 Sixth International Conference on Complex, Intelligent, and Software Intensive Systems, pages 893–898. IEEE.
Misuraca, M., Forciniti, A., Scepi, G., e Spano, M. (2020). Sentiment analysis for education with r: packages, methods and practical applications. arXiv preprint arXiv:2005.12840.
Mohammad, S. M. e Turney, P. D. (2013a). Crowdsourcing a word–emotion association lexicon. Computational intelligence, 29(3):436–465.
Mohammad, S. M. e Turney, P. D. (2013b). Nrc emotion lexicon. National Research Council, Canada, 2:234.
Paes, V. J., Araújo, D., Brito, K., e Andrade, E. (2022). Análise de sentimento em tweets relacionados ao desmatamento da floresta amazônica. In Anais do XI Brazilian Workshop on Social Network Analysis and Mining, pages 61–72. SBC.
Pekrun, R. (2011). Emotions as drivers of learning and cognitive development. In New perspectives on affect and learning technologies, pages 23–39. Springer.
Península, I. (2020). Sentimento e percepção dos professores brasileiros nos diferentes estágios do coronavírus no brasil. Março de 2020.
Pereira, D. A. (2021). A survey of sentiment analysis in the portuguese language. Artificial Intelligence Review, 54(2):1087–1115.
Silge, J. e Robinson, D. (2017). Text mining with R: A tidy approach. ”O’Reilly Media, Inc.”.
Silva, H., Andrade, E., Araújo, D., e Dantas, J. (2021). Sentiment analysis of tweets related to sus before and during covid-19 pandemic. IEEE Latin America Transactions, 20(1):6–13.
Sosea, T. e Caragea, C. (2020). Canceremo: A dataset for fine-grained emotion detection. In Proceedings of the 2020 Conference on Empirical Methods in Natural Language Processing (EMNLP), pages 8892–8904.
Publicado
06/11/2023
Como Citar
OLIVEIRA, Eduardo Gomes de; SIQUEIRA, Sean Wolfgand Matsui; CLASSE, Tadeu Moreira de; BASTOS, César Augusto Rangel.
Análise de Sentimentos e Emoções em Fóruns Educacionais: Um Estudo de Caso em um Curso de Formação Docente durante a Pandemia. In: WORKSHOP DE INFORMÁTICA NA ESCOLA (WIE), 29. , 2023, Passo Fundo/RS.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2023
.
p. 855-866.
DOI: https://doi.org/10.5753/wie.2023.234395.
