Um modelo de Sistema de Recomendação integrado a Metodologias Ativas, MDE e Learning Analytics para a mitigação de evasão em EaD
DOI:
https://doi.org/10.17398/1695-288X.22.2.185Palavras-chave:
Sistema de recomendação, Metodologias ativas, Mineração de dados Educacionais, Analítica da aprendizagem, EvasãoResumo
A Educação a Distância possibilitou práticas educacionais baseadas em plataformas digitais. Apesar de sua ampla adoção, os altos índices de evasão são motivos de preocupação de professores e gestores institucionais. Existem iniciativas para mitigação desta situação, como a Mineração de Dados Educacionais (MDE), Learning Analytics (LA) e o uso de Sistemas de Recomendação (SR). Apesar de efetivas em aspectos específicos, estas técnicas carecem de mecanismos para a motivação dos alunos e intervenção pedagógica dos professores, pois não apresentam propostas metodológicas para incentivar a aprendizagem. Diante disso, esse artigo descreve um modelo de SR que apresenta como diferencial a integração da abordagem pedagógica das Metodologias Ativas com o suporte das técnicas de Mineração de Dados Educacionais e de Learning Analytics para identificar os alunos com riscos de evasão e potencializar a permanência. Para isso, foi implementado um protótipo e realizado um estudo de caso com docentes de duas universidades para a avaliação de funcionalidade e aceitação. De acordo com o Modelo TAM, mais de 87% dos docentes concordam com a facilidade de uso e 77% concordam que o SR pode ser útil no processo de ensino e aprendizagem dos alunos. Portanto, pode-se concluir que o modelo contribui para as práticas de ensino, incentiva a aprendizagem colaborativa e favorece o acompanhamento desse processo e das atividades desenvolvidas pelos alunos.
Downloads
Referências
Acosta, O. C.; Reategui, E. B. & Behar, P. A. (2018). Recomendação de conteúdo em um ambiente colaborativo de Aprendizagem Baseada em Projetos. Revista Brasileira de Informática na Educação, 26(1), 91-111. http://dx.doi.org/10.5753/rbie.2018.26.01.91
Almeida, C. M. M.; Scheunemann, C. M. B. & Lopes, P. T. C. (2020). Sala de aula invertida com tecnologias digitais e ferramenta metacognitiva para potencializar as aulas do ensino superior. Revista Latinoamericana de Tecnologia Educativa, 19(2), 65-81. https://doi.org/10.17398/1695-288X.19.2.65
Alves, M. O.; Medeiros, F. P. A. & Melo, L. B. (2020). Levantamento do estado da arte sobre Aprendizagem baseada em Problemas na Educação a Distância e Híbrida. In: Simpósio Brasileiro de Informática na Educação (SBIE), 61-71. https://doi.org/10.5753/cbie.sbie.2020.61
Andrade, T. L., Rigo, S. J., Barbosa, J. L. V. (2021). Active Methodology, Educational Data Mining and Learning Analytics: A Systematic Mapping Study. Informatics in Education, 20(2): 171-204. https://doi.org/10.15388/infedu.2021.09
Breiman, L. (2001). Random Forests. Machine Learning, 45(1), 5-32. https://doi.org/10.1023/A:1010933404324
Brito, M.; Medeiros, F. & Bezerra, E. P. (2019). An Infographics-based Tool for Monitoring Dropout Risk on Distance Learning in Higher Education. In: International Conference on Information Technology Based Higher Education and Training (ITHET). IEEE. https://doi.org/10.1109/ITHET46829.2019.8937361
Campos, A.; Hollerweger, L.; Santos, G.; Farias, A. F. & Behar, P. A. (2017). Mapeamento de soluções tecnológicas em sistemas de recomendação educacionais em âmbito brasileiro. Informática na Educação: teoria e prática, 20(3), 79–96. http://hdl.handle.net/10183/173928
Chandrasekaran, D.; Thirunavukkarasu, G. S. & Littlefair , G. (2016). Collaborative Learning Experience of Students in Distance Education. In: International Symposium on Project Approaches in Engineering Education and Active Learning in Engineering Education Workshop, 90-99. https://www.researchgate.net/publication/305983309_Collaborative_Learning_Experience_of_Students_in_Distance_Education
Costa, E.; Aguiar, J. & Magalhães, J. (2013). Sistemas de Recomendação de Recursos Educacionais: conceitos, técnicas e aplicações. In: Jornada de Atualização em Informática na Educação (JAIE), 57-78. http://www.br-ie.org/pub/index.php/pie/article/view/2589/0
Cunha, F. O. M. & Siebra, C. A. (2016). Mapeamento sistemático na literatura acadêmico-científica sobre abordagens para a formação de grupos em E-Learning. Revista Brasileira de Informática na Educação, 24(3), 17-30. http://dx.doi.org/10.5753/rbie.2016.24.3.16
Fernández-Robles, J. L.; Ramírez-Ramírez, L. N.; Hernández-Gallardo, S. C. & García-Ruiz, M. Á. (2019). Formación profesional en ambientes e-learning. Estudio de caso sobre Aprendizaje Basado en Proyectos (ABP) en un curso de posgrado virtual. Revista Latinoamericana de Tecnologia Educativa, 18(1), 91-105. https://doi.org/10.17398/1695-288X.18.1.91
Ferreira, L. G. A.; Barbosa, J. L. V.; Gluz, J. C. & Vicari, R. (2015). UbiGroup: um modelo de recomendação ubíqua de conteúdo para grupos dinâmicos de aprendizes. Revista Brasileira de Informática na Educação, 23(3), 40-55. http://dx.doi.org/10.5753/rbie.2015.23.03.40
Ferreira, V. A. S.; Vasconcelos, G. C. & França, R. S. (2017). Mapeamento sistemático sobre Sistemas de Recomendações Educacionais. In: Simpósio Brasileiro de Informática na Educação (SBIE), 253–262. http://dx.doi.org/10.5753/cbie.sbie.2017.253
Guo, R.; Li, L. & Han, M. (2018). On-demand virtual lectures: Promoting active learning in distance learning. In: International Conference on E-Education, E-Business and E-Technology, 1-5. ACM. https://doi.org/10.1145/3241748.3241757
Kostopoulos, G.; Karlos, S. & Kotsiantis, S. (2019). Multiview Learning for Early Prognosis of Academic Performance: A Case Study. IEEE Transactions on Learning Technologies, 12(2), 212-224. IEEE. https://doi.org/10.1109/TLT.2019.2911581
Leite, L. S. & Ramos, M. B. (2017). A metodologia ativa no Ambiente Virtual de Aprendizagem. Metodologia ativa na educação, 85-101. Pimenta Cultural. https://www.pimentacultural.com/metodologia-ativa-na-educacao
Leite, R. R.; Pitangui, C. G.; De Assis, L. P. & Andrade, A. V. (2019). Sistemas de Recomendação em Ambientes Educacionais: estado da arte e perspectivas futuras. In: Simpósio Brasileiro de Informática na Educação (SBIE), 109-118. http://dx.doi.org/10.5753/cbie.wcbie.2019.109
Lewis, D. D. (1998). Naive Bayes at forty: The independence assumption in information retrieval. In: Machine Learning: European Conference on Machine Learning (ECML), 4-15. https://link.springer.com/content/pdf/10.1007%2FBFb0026666.pdf
Lima, E. & Siebra, C. (2017). CollabEduc: Uma Ferramenta de Colaboração em Pequenos Grupos para Plataformas de Aprendizagem a Distância. In: Simpósio Brasileiro de Informática na Educação (SBIE), 1707–1716. http://dx.doi.org/10.5753/cbie.sbie.2017.1707
Lima, J. V. V.; Silva, C.; Alencar, F & Santos, W. (2020). Metodologias Ativas como forma de reduzir os desafios do ensino em Engenharia de Software: diagnóstico de um survey. In: Simpósio Brasileiro de Informática na Educação (SBIE), 172–181. https://doi.org/10.5753/cbie.sbie.2020.172
Marques, L. T.; Castro, A. F.; Marques, B. T.; Silva, J. C. P. & Queiroz, P. G. G. (2019). Mineração de dados auxiliando na descoberta das causas da evasão escolar: um mapeamento sistemático da literatura. Revista Novas Tecnologias na Educação (RENOTE), 17(3), 194-203. https://doi.org/10.22456/1679-1916.99470
Moraes, T. C. H. & Stiubiener, I. (2019). Sistemas híbridos para recomendações educacionais: uma revisão sistemática da literatura. In: Simpósio Brasileiro de Informática na Educação (SBIE), 1331-1340. http://dx.doi.org/10.5753/cbie.sbie.2019.1331
Queiroga, E. M.; Cechinel, C. & Aguiar, M. S. (2019). Uma abordagem para predição de estudantes em risco utilizando algoritmos genéticos e mineração de dados: um estudo de caso com dados de um curso técnico à distância. In: Simpósio Brasileiro de Informática na Educação (SBIE), 119-128.
http://dx.doi.org/10.5753/cbie.wcbie.2019.119
Ramos, J. L. C.; Silva, J. C. S.; Prado, L. C.; Gomes, A. S.; Souza, F. F. D.; Zambom, E. G. & Rodrigues, R. L. (2017). Um Modelo Preditivo da Evasão dos Alunos na EAD a partir dos Construtos da Teoria da Distância Transacional. In: Simpósio Brasileiro de Informática na Educação (SBIE), 1227-1236. http://dx.doi.org/10.5753/cbie.sbie.2017.1227
Ramos, J. L. C.; Silva, J. C. S.; Prado, L. C.; Gomes, A. S. & Rodrigues, R. L. (2018). Um estudo comparativo de classificadores na previsão da evasão de alunos em EAD. In: Simpósio Brasileiro de Informática na Educação (SBIE), 1463-1472. http://dx.doi.org/10.5753/cbie.sbie.2018.1463
Rolim, V. B.; Mello, R. F. L. & Costa, E. B. (2017). Utilização de técnicas de aprendizado de máquina para acompanhamento de fóruns educacionais. Revista Brasileira de Informática na Educação, 25(3), 112-130. http://dx.doi.org/10.5753/rbie.2017.25.03.112
Santos, R. M. M.; Pitangui, C. G.; Andrade, A. V. & Assis, L. P. (2016). Uso de Séries Temporais e Seleção de Atributos em Mineração de Dados Educacionais para Previsão de Desempenho Acadêmico. In: Simpósio Brasileiro de Informática na Educação (SBIE), 1146-1155. http://dx.doi.org/10.5753/cbie.sbie.2016.1146
Waheed, H.; Hassan, S.; Aljohani, N. R.; Hardman, J.; Alelyani, S. & Nawaz, R. (2020). Predicting academic performance of students from VLE big data using deep learning models. Computers in Human Behavior, 104(1), 1-13. Elsevier. https://doi.org/10.1016/j.chb.2019.106189
Widyahastuti, F. & Tjhin, U. (2018). Performance Prediction in Online Discussion Forum: state-of-the-art and comparative analysis. In: International Conference on Computer Science and Computational Intelligence, 302-314. Elsevier. https://doi.org/10.1016/j.procs.2018.08.178
Downloads
Publicado
Edição
Secção
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).
