Proposição De Desenvolvimento De Um Framework De Mineração De Dados Educacionais
##plugins.themes.bootstrap3.article.main##
Resumo
Com a grande difusão de sistemas de informação e sua adoção por empresas, aliado aos avanços significáveis nas tecnologias de coleta e armazenamento de dados, permitiram, segundo Tan et al. (2009), que estas organizações pudessem acumular uma grande quantidade de dados. Todavia é importante observar existência de uma proporcionalidade inversa entre o montante de dados e a eficácia da extração de informações úteis através de métodos e ferramentas tradicionais, que segundo Fayyad et al. (1996), consistiam no processamento manual de todas as informações por especialistas e estes, por sua vez desenvolviam relatórios, para posteriormente serem analisados. Com o aumento do número de alunos na modalidade de ensino à distância (EAD), são geradas imensas quantidades de dados, provenientes dos artefatos gerados através das interações do processo de ensino-aprendizagem, mediados por Ambientes Virtuais de Aprendizagem (AVA). Técnicas de Data Mining podem ser utilizadas no descobrimento de características e comportamentos de alunos que indiquem risco de evasão ou reprovação, desta maneira, como ressalta Kampff (2009). O presente trabalho objetiva a proposição e construção de um Framework de Mineração de Dados Educacionais, integrado ao Ambiente Virtual de Aprendizagem Moodle, possuindo grande relevância principalmente no Brasil devido a grande expansão da EAD. Neste tipo de pesquisa, os educadores poderão ter uma maior proximidade com seus alunos podendo oferecer-lhes uma melhor estratégia pedagógica, baseando-se pelos dados obtidos através da mineração de dados feita no ambiente virtual de aprendizagem Moodle. No decorrer da pesquisa investigou-se na literatura as principais técnicas de Mineração de Dados Educacionais e Engenharia de Software, com ênfase em Frameworks. Para a realização do presente projeto de pesquisa considerou-se importante a utilização do padrão de processo CRISP-DM, este conforme Olson et al.(2008) é composto por seis fases, organizadas de maneira cíclica não unidirecionais, a escolha deste modelo no presente trabalho dar-se pelo fato de ser considerado atualmente como o modelo de maior aceitação, segundo Larose (2005). No decorrer do trabalho pretende-se aplicar uma modelagem envolvendo diversos algoritmos de Mineração de Dados não sendo restrito apenas aos modelos de classificação, mas a utilização inicialmente de algoritmos de MD, para que eles possibilitem a predição das melhores variáveis, dentre a imensidão existente no Moodle, que serão escolhidas como atributos a serem minerados.Também intenciona-se desenvolver uma ferramenta de integração entre as atividades de mineração de dados e o Moodle, visto a dificuldade na utilização de ferramentas de mineração de dados, por educadores que não vêm de áreas ligadas a informática, possibilitando desta forma um ganho significativo no processo Ensino-Aprendizagem.Palavras-chave: Mineração de Dados Educacionais; Tecnologia na Educação; Ensino à Distância; Ambiente Virtual de Aprendizagem.
Downloads
Não há dados estatísticos.
##plugins.themes.bootstrap3.article.details##
Edição
Seção
Engenharia da Computação e Sistemas
Referências
FAYYAD, U.; PIATETSKY-SHAPIRO, G.; SMYTH, P. Knowledge Discovery and Data Mining: towards a unifying framework. In: SECOND INTERNATIONAL CONFERENCE ON KD & DM, 1996. Anais. . . [S.l.: s.n.], 1996.
KAMPFF, A. J. C. Mineração de Dados Educacionais para Geração de Alertas em Ambientes Virtuais de Aprendizagem como Apoio à Prática Docente. 2009. Tese (Doutorado) — PPGIE/UFRGS.
LAROSE, D. T. Discovering Knowledge in Data: An Introduction to Data Mining. John Wiley and Sons, Inc, 2005.
OLSON, D. L; DELEN, D. Advanced Data Mining Techniques. Springer, 2008.
TAN, Pang-Ning; STEINBACH, Michael; KUMAR, Vipin. Introdução ao DATAMINING Mineração de Dados. Rio de Janeiro: Editora Ciência Moderna Ltda.,2009.
KAMPFF, A. J. C. Mineração de Dados Educacionais para Geração de Alertas em Ambientes Virtuais de Aprendizagem como Apoio à Prática Docente. 2009. Tese (Doutorado) — PPGIE/UFRGS.
LAROSE, D. T. Discovering Knowledge in Data: An Introduction to Data Mining. John Wiley and Sons, Inc, 2005.
OLSON, D. L; DELEN, D. Advanced Data Mining Techniques. Springer, 2008.
TAN, Pang-Ning; STEINBACH, Michael; KUMAR, Vipin. Introdução ao DATAMINING Mineração de Dados. Rio de Janeiro: Editora Ciência Moderna Ltda.,2009.