Avaliação de um Modelo de Maturidade para Adoção de Learning Analytics em Instituições de Ensino Superior

Autores

DOI:

https://doi.org/10.17398/1695-288X.19.2.101

Palavras-chave:

Educação Superior, Learning Analytics, Políticas Educacionais, Questionários, Modelos

Resumo

Learning Analytics (LA) visa à análise dos dados gerados por estudantes e professores em ambientes online a fim de promover ações que conduzam à melhoria do ensino e aprendizagem. Os resultados dessas análises podem ajudar os professores a conhecer os processos de estudo empregados pelos seus estudantes, além de poder auxiliar na verificação e correção de atividades e práticas pedagógicas. Para os estudantes, LA pode ajudar na reflexão e autorregulação da aprendizagem. No entanto, apesar de seus benefícios, as instituições têm encontrado dificuldades na sua adoção. Nesse contexto, um instrumento que pode apoiar o emprego de LA é o Modelo de Maturidade (MM), o qual tem sido utilizado em diferentes áreas de conhecimento a fim de indicar um roteiro de melhoria para as organizações. Diante do exposto, este artigo visa apresentar os resultados da avaliação de um MM proposto para apoiar a adoção de LA em Instituições de Ensino Superior, denominado MMALA. A avaliação, focada na composição do modelo, foi realizada por meio de questionário dirigido a pesquisadores e profissionais da área de LA. Após a realização de análises, tanto qualitativa quanto quantitativa, foram identificadas sugestões de aprimoramento para o modelo proposto e este foi validado, embasando a continuação do seu desenvolvimento.

Downloads

Os dados de download ainda não estão disponíveis.

Biografias do Autor

  • Elyda Laisa Soares Xavier Freitas, Universidade Federal de Pernambuco (UFPE) / Centro de Informática

    Graduada em Sistemas de Informação pela Universidade de Pernambuco (UPE) e Mestre em Ciência da Computação pela Universidade Federal de Pernambuco (UFPE). Tem experiência em gerenciamento de Banco de Dados Oracle, SQL, PL/SQL, desenvolvimento de Data Warehouse e Business Intelligence, Banco de Dados em Nuvem e programação. Atualmente é professora assistente da Universidade de Pernambuco no campus de Caruaru e doutoranda no Centro de Informática da UFPE, realizando pesquisa nas áreas de Learning Analytics e Bancos de Dados não Relacionais.

  • Fernando da Fonseca de Souza, Universidade Federal de Pernambuco / Centro de Informática

    Possui graduação em Engenharia Civil pela Universidade Federal de Pernambuco (1976), mestrado em Ciências da Computação pela Universidade Federal de Pernambuco (1982) e doutorado em Ciência da Computação pela University Of Kent At Canterbury (1990). Atualmente é Professor Associado no Centro de Informática da Universidade Federal de Pernambuco. Tem experiência na área de Ciência da Computação, com ênfase em Banco de Dados, atuando principalmente nos seguintes temas: Gerenciamento de Informação Estratégica, Banco de Dados na Nuvem, Ambiente Virtuais de Ensino e Acessibilidade.

  • Vinicius Cardoso Garcia, Universidade Federal de Pernambuco / Centro de Informática

    O Dr. Vinicius Garcia é professor adjunto na área de Engenharia de Software da Universidade Federal de Pernambuco, Brasil, onde é membro do LABES (Laboratório de Engenharia de Software), é membro sênior do grupo RiSE (Reutilização em Engenharia de Software) e atualmente é o líder do laboratório ASSERT (Advanced System and Software Engineering Research Technologies).

  • Taciana Pontual da Rocha Falcão, Universidade Federal Rural de Pernambuco (UFRPE) / Departamento de Computação

    é professora e pesquisadora da Universidade Federal Rural de Pernambuco (UFRPE) na área de Interação Humano-Computador (IHC) e membro dos Programas de Pós-Graduação em: Tecnologia e Gestão em Educação a Distância (PPGTEG-UFRPE) e Informática Aplicada (PPGIA-UFRPE) Doutora pelo Institute of Education (IoE) - University of London, UK, sua pesquisa de doutorado tratou de como interfaces tangíveis podem contribuir para a aprendizagem de crianças com dificuldades intelectuais. Possui graduação (2004) e mestrado (2007) em Ciência da Computação pela Universidade Federal de Pernambuco. Foi designer de interação no CESAR Recife de 2010 a 2013, e pesquisadora do London Knowledge Lab (University of London) na área de interfaces tangíveis para educação, de 2008 a 2010. Também já trabalhou no NAAH/S-Recife, núcleo de atividades para crianças com altas habilidades. Fez pós-doutoramento na Universidade McGill - Canadá, trabalhando com desenvolvimento de tecnologias para apoiar a comunicação de idosos. Seus interesses incluem: interfaces tangíveis para educação, tecnologias para educação, ensino de programação, pensamento computacional, jogos digitais em contextos educacionais, usabilidade, experiência do usuário e acessibilidade.

  • Elaine Cristina Moreira Marques, Universidade Federal Rural de Pernambuco (UFRPE) / Departamento de Computação

    Doutoranda em Biometria e Estatística Aplicada pela Universidade Federal Rural de Pernambuco (UFRPE) - Recife (2019). Mestra em Biometria e Estatística Aplicada pela Universidade Federal Rural de Pernambuco (UFRPE) - Recife (2018). Possui Graduação em Estatística (Bacharelado) pela Universidade Federal da Paraíba - João Pessoa (2015). Atualmente é Tutora à Distância do Instituto Federal de Educação, Ciência e Tecnologia de Pernambuco - (IFPE) - Recife (2019). Foi Professora substituta na Universidade Federal Rural de Pernambuco (UFRPE) - Recife (2018). Foi estagiária na Empresa de Serviço Brasileiro de Apoio às Micro e Pequenas Empresas - SEBRAE/PB, na Unidade de Gestão Estratégica e Monitoramento (UGEM) - João Pessoa (2015). Trabalha na área de Probabilidade e Estatística, Ensaio Biológico e Bioequivalência, Planejamento de Experimentos e na área de Inteligência Artificial (IA) com ênfase em Mineração de Texto (MT), com foco em recuperação de informação (RI) e classificação de texto (TC).

  • Rafael Ferreira Mello, Universidade Federal Rural de Pernambuco (UFRPE) / Departamento de Computação

    Rafael Ferreira Mello é doutor em ciência da computação com interesses de pesquisa que abrangem processamento de linguagem natural, learning analytics e tecnologia educacional. Ele é professor na Universidade Federal Rural de Pernambuco, no Brasil, onde é um dos coordenadores do Laboratório de Inteligência Artificial (https://aiboxlab.org/), desenvolve várias iniciativas relacionadas a learning analytics (LA) e supervisiona estudantes de graduação e pós-graduação. Dr. Mello realizou pós-doutorado na Escola de Informática da Universidade de Edimburgo em 2018, onde continua a ter colaborações. Ele trabalhou em vários projetos de pesquisa multinacionais, que envolvem parceiros acadêmicos e empresas na Europa, Austrália, Estados Unidos e América Latina. A experiência anterior do Dr. Mello também inclui um projeto de pesquisa financiado pela Hewlett-Packard, onde atuou como líder técnico. Um tema-chave de sua pesquisa recente tem sido o uso do processamento de linguagem natural aplicados como educação e temas mais focados em análise de textos como sumarização e classificação.

Referências

Almeida Neto, H., Magalhães, E., Moura, H., Teixeira Filho, J., Cappelli, C., & Martins, L. (2015). Avaliação de um Modelo de Maturidade para Governança Ágil em Tecnologia da Informação e Comunicação. iSys – Revista Brasileira de Sistemas de Informação, Rio de Janeiro, 8(4), 44-79. Recuperado a partir de http://www.seer.unirio.br/index.php/isys/article/viewFile/5176/4938

Arnold, K., & Pistilli, M. (2012). Course signals at Purdue: using learning analytics to increase student success. Proceedings of the International Conference on Learning Analytics and Knowledge - LAK '12, New York, NY, USA, 267-270. https://doi.org/10.1145/2567574.2567621

Becker, J., Knackstedt, R., & Pöppelbuß, J. (2009). Developing maturity models for IT management – A Procedure Model and its Application. Business & Information Systems Engineering, 1(3), 213–222. https://doi.org/10.1007/s12599-009-0044-5

CMMI. (2010). CMMI para Desenvolvimento (v1.3). Software Eng. Institute, Carnegie Mellon.

Dawson, S., Joksimovic, S., Poquet, S., & Siemens, G. (2019). Increasing the Impact of Learning Analytics. Proceedings of the International Conference on Learning Analytics and Knowledge - LAK’19, Tempe, Arizona, USA, 446-455. https://doi.org/10.1145/3303772.3303784

DAMA International. (2009). The DAMA guide to the data management body of knowledge (DAMA-DMBOK), Tech. Publications.

DMM. (2014). Data management maturity model – 1.0 version. CMMI Institute.

Ferguson, R. (2012). Learning analytics: drivers, developments and challenges. International Journal of Technology Enhanced Learning, 4 (5/6), 304-317. https://doi.org/10.1504/IJTEL.2012.051816

Freitas, E. L. S. X., Souza, F. F., & Garcia, V. C. (2019). Learning Analytics em Ação: Uma Revisão Sistemática de Literatura. Anais do Simpósio Brasileiro de Informática na Educação - SBIE, Brasília. https://doi.org/10.5753/cbie.sbie.2019.1581

Freitas, E. L. S. X., Souza, F. F., Garcia, V. C., Mello, R. F., & Gasevic, D. (2020). Towards a Maturity Model for Learning Analytics Adoption: An Overview of its Levels and Areas. Proceedings of the International Conference on Advanced Learning Technologies (ICALT), Tartu, Estonia, 2020. https://doi.org/10.1109/ICALT49669.2020.00059

Gallego, F. O., & Corchuelo, R. (2020). An encoder–decoder approach to mine conditions for engineering textual data. Engineering Applications of Artificial Intelligence, 91, 103568. https://doi.org/10.1016/j.engappai.2020.103568

Gewerc, A., Rodríguez-Groba, A., & Martínez-Piñeiro, E. (2016). Academic Social Networks and Learning Analytics to Explore Self-Regulated Learning: a Case Study. IEEE Revista Iberoamericana de Tecnologias del Aprendizaje, 11(3), 159-166. https://doi.org/10.1109/RITA.2016.2589483

Hair, J. F., Black, W. C., Babin, B. J., Anderson, R. E., & Tatham, R. L. (2009). Análise multivariada de dados. Bookman Editora.

Halper, F., & Stodder, D. (2014). TDWI analytics maturity model guide. TDWI Research. Recuperado a partir de https://tdwi.org/pages/maturity-model/analytics-maturity-model-assessment-tool.

Hiles, A. (2010). The Definitive Handbook of Business Continuity Management, 3ª Ed., Wiley.

Johnson, L., Smith, R., Willis, H., Levine, A., & Haywood, K. (2011). The 2011 Horizon Report. Austin, Texas, The New Media Consortium. Recuperado a partir de https://library.educause.edu/-/media/files/library/2011/2/hr2011-pdf.pdf.

Keystone Strategy. (2016). Data & analytics maturity model & business impact. White Paper. Recuperado a partir de https://info.microsoft.com/rs/157-GQE-382/images/EN-CNTNT-SQL-Data%20Analytics%20Maturity%20Model-en-us.pdf

Kitto, K., Cross, S., Waters, Z., & Lupton, M. (2015). Learning analytics beyond the LMS: the connected learning analytics toolkit. Proceedings of the International Conference on Learning Analytics And Knowledge - LAK '15. New York, NY, USA, 11-15. https://doi.org/10.1145/2723576.2723627.

Li, M., & Smidts, C. (2003). A ranking of software engineering measures based on expert opinion. IEEE Transactions on Software Engineering, 29(9), 811–824. https://doi.org/10.1109/TSE.2003.1232286

Lockyer, L., Heathcote, E., & Dawson, S. (2013). Informing Pedagogical Action: Aligning Learning Analytics With Learning Design. American Behavioral Scientist, 57(10), 1439-1459. https://doi.org/10.1177/0002764213479367.

Pedhazur, E. J., & Schmelkin, L. P. (2013). Measurement, design, and analysis: An integrated approach. Psychology Press.

Rau, M. A., Aleven, V., & Rummel, N. (2014). Sequencing Sense-Making and Fluency-Building Support for Connection Making between Multiple Graphical Representations. En J. Polman, E. Kyza, D. K. O'Neill, I. Tabak, W. R. Penuel, A. S. Jurow, K. O'Connor, T. Lee, L. D'Amico (Eds.). Learning and Becoming in Practice: The International Conference of the Learning Sciences (ICLS), (2, 977-981).

Tempelaar, D. T., Rienties, B., & Giesbers, B. (2015). In search for the most informative data for feedback generation: Learning Analytics in a data-rich context. Computers in Human Behavior, 47, 157-167. https://doi.org/10.1016/j.chb.2014.05.038.

Tlili, A., Essalmi, F., Jemni, M., & Kinshuk. (2015). An educational game for teaching computer architecture: Evaluation using learning analytics. Proceedings of the International Conference on Information & Communication Technology and Accessibility (ICTA), Marrakech, 1-6. https://doi.org/10.1109/ICTA.2015.7426881.

Tsai, Y. S., & Gašević, D. (2017). The State of Learning Analytics in Europe – Executive Summary – SHEILA. Recuperado a partir de http://sheilaproject.eu/2017/04/18/the-state-of-learning-analytics-in-europe-executive-summary.

Tsai, Y., Moreno-Marcos, P., Jivet, I., Scheffel, M, Tammets, K., Kollom, K., & Gasevic, D. (2018). The SHEILA framework: informing institutional strategies and policy processes of learning analytics. Journal of Learning Analytics, 5(3), 5-20. https://doi.org/10.18608/jla.2018.53.2

União Europeia. (2014). Communication from the Commission to the European Parliament, the Council, the European Economic and Social Committee and the Committee of the Regions. Towards a thriving data-driven economy, SWD(2014) 214 final. Brussels. Recuperado a partir de https://ec.europa.eu/information_society/newsroom/cf/dae/document.cfm?doc_id=6216.

Yassine, S., Kadry, S., & Sicilia, M. A. (2016). A framework for learning analytics in moodle for assessing course outcomes. Proceedings of the IEEE Global Engineering Education Conference (EDUCON), Abu Dhabi, 261-266. https://doi.org/10.1109/EDUCON.2016.7474563.

Downloads

Publicado

2020-12-13

Edição

Vol. 19 N.º 2 (2020)

Secção

Artículos / Articles

Licença

Los autores/as que publiquen en esta revista aceptan las siguientes condiciones:

1. Los autores/as conservan los derechos de autor y ceden a la revista el derecho de la primera publicación, con el trabajo registrado con la licencia Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 International (CC BY-NC-ND), que permite a terceros utilizar lo publicado siempre que mencionen la autoría del trabajo y a la primera publicación en esta revista.

2. Los autores/as pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del artículo publicado en esta revista (p. ej., incluirlo en un repositorio institucional o publicarlo en un libro) siempre que indiquen claramente que el trabajo se publicó por primera vez en esta revista.

3. Se permite y recomienda a los autores/as a publicar su trabajo en Internet (por ejemplo en páginas institucionales o personales) antes y durante el proceso de revisión y publicación, ya que puede conducir a intercambios productivos y a una mayor y más rápida difusión del trabajo publicado (vea The Effect of Open Access).

Como Citar

Avaliação de um Modelo de Maturidade para Adoção de Learning Analytics em Instituições de Ensino Superior. (2020). Revista Latinoamericana De Tecnología Educativa - RELATEC, 19(2), 101-113. https://doi.org/10.17398/1695-288X.19.2.101

Artigos Similares

11-20 de 180

Também poderá iniciar uma pesquisa avançada de similaridade para este artigo.

Artigos mais lidos do(s) mesmo(s) autor(es)