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

##plugins.themes.bootstrap3.article.main##

Fabio Tavares Arruda
Alexandre Magno Andrade Maciel
Pedro Henrique de Barros Falcão

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.

Downloads

Não há dados estatísticos.

##plugins.themes.bootstrap3.article.details##

Seção
Engenharia da Computação e Sistemas