Um Modelo para Investigar Comportamento de Alunos no AVA Moodle Usando Mineração de Dados Educacionais e Aprendizagem Significativa

Resumo

Cursos que utilizam Ambientes Virtuais de Aprendizagem (AVAs) acumulam uma quantidade significativa de informações que são valiosas para analisar o comportamento dos alunos. Neste contexto, a Mineração de Dados Educacional procura usar esses repositórios de dados para compreender os alunos e desenvolver abordagens computacionais que combinam dados e teoria, a fim de transformar a prática para beneficiar os estudantes. Entretanto, pesquisas nessa área que não acoplam teorias de aprendizagem não são capazes de mostrar uma análise sobre o comportamento cognitivo dos alunos. Nesse sentido, esta pesquisa utiliza a Teoria da Aprendizagem Significativa através de seus atributos, pois eles podem caracterizar o comportamento do aluno no ambiente de aprendizagem. Este trabalho tem como objetivo propor um modelo para investigar o comportamento do aluno no Ambiente Virtual de Aprendizagem Moodle usando mineração de dados educacionais e atributos de aprendizagem significativa. Para validar este modelo, foi utilizado o método de estudo de caso que consistiu em extrair e analisar dados sobre os alunos de um curso superior na modalidade a distância que utilizam o AVA Moodle. Com esses dados, foi realizado o planejamento e execução do processo de mineração de dados em três cenários: uma disciplina no início, uma no meio e uma no final do curso. Assim, será possível comparar o comportamento dos alunos em uma mesma disciplina e ao longo do curso. Em cada cenário foram realizadas as etapas de pré-processamento, mineração de dados, e pós-processamento. Na etapa de pré-processamento foi aplicado o modelo proposto, além da limpeza dos dados, seleção de atributos, transformação de atributos, e integração de dados. Na etapa de mineração de dados foram aplicados pelo menos dois algoritmos de clustering para analisar seus desempenhos. Na etapa de pós-processamento será realizada a análise e interpretação dos resultados obtidos. Atualmente a pesquisa está fase de execução do estudo de caso. A principal contribuição deste trabalho é que o modelo desenvolvido possa ajudar na análise do comportamento do aluno em cursos à distância através de atributos de aprendizagem significativa. Além disso, o modelo proposto permite agrupar os alunos com comportamentos semelhantes com o uso de algoritmos de mineração de dados, neste caso algoritmos de clustering (agrupamento). Tendo como diferencial a possibilidade ser utilizado por qualquer pesquisador ou pessoa envolvida no processo de ensino-aprendizagem na educação à distância.