Um modelo computacional de apoio à análise da opinião de alunos sobre práticas docentes por meio da mineração de dados educacionais
Ano de defesa: | 2017 |
---|---|
Autor(a) principal: | |
Orientador(a): | |
Banca de defesa: | , , , |
Tipo de documento: | Tese |
Tipo de acesso: | Acesso aberto |
Idioma: | por |
Instituição de defesa: |
Universidade Presbiteriana Mackenzie
|
Programa de Pós-Graduação: |
Engenharia Elétrica
|
Departamento: |
Escola de Engenharia Mackenzie (EE)
|
País: |
Brasil
|
Palavras-chave em Português: | |
Área do conhecimento CNPq: | |
Link de acesso: | http://dspace.mackenzie.br/handle/10899/26515 |
Resumo: | The Institutional Teacher’s Evaluation besides being a legal need in higher education is an important moment for any Educational Institution. Traditionally, questionnaires with closed answer questions are used for this purpose and many times the evaluation is left to a secondary place. This work proposes a computational model based in machine learning techniques and Sentiment Analysis that allows increasing the scope of this evaluation when allowing the use of open and textual questions. The application of these techniques in Educational Data Mining context provides basis to decision-making based on the students’ opinions. For this purpose, as proof of concept, a mining of a student’s opinion survey from a Vocational High School in Brazil was held and categorized their sentiments as positive or negative in relation to their lecturers’ techniques with supervised machine learning approach. This model also contemplates clustering analysis to find categories of analysis of student opinions through an unsupervised Learning Machine model. As a conclusion it was proven that the use of tools for textual analysis of open questions is possible and it to speeds up the decision-making of institutional evaluations. |
id |
UPM_4433297b72e98143c3291599d6863092 |
---|---|
oai_identifier_str |
oai:dspace.mackenzie.br:10899/26515 |
network_acronym_str |
UPM |
network_name_str |
Biblioteca Digital de Teses e Dissertações do Mackenzie |
repository_id_str |
|
spelling |
2020-10-29T12:46:30Z2020-12-07T15:07:30Z2020-12-07T15:07:30Z2017-04-27SANTOS, Fábio de Paula. Um modelo computacional de apoio à análise da opinião de alunos sobre práticas docentes por meio da mineração de dados educacionais. 2017. 115 f. Tese (Engenharia Elétrica) - Universidade Presbiteriana Mackenzie, São Paulo, 2017.http://dspace.mackenzie.br/handle/10899/26515The Institutional Teacher’s Evaluation besides being a legal need in higher education is an important moment for any Educational Institution. Traditionally, questionnaires with closed answer questions are used for this purpose and many times the evaluation is left to a secondary place. This work proposes a computational model based in machine learning techniques and Sentiment Analysis that allows increasing the scope of this evaluation when allowing the use of open and textual questions. The application of these techniques in Educational Data Mining context provides basis to decision-making based on the students’ opinions. For this purpose, as proof of concept, a mining of a student’s opinion survey from a Vocational High School in Brazil was held and categorized their sentiments as positive or negative in relation to their lecturers’ techniques with supervised machine learning approach. This model also contemplates clustering analysis to find categories of analysis of student opinions through an unsupervised Learning Machine model. As a conclusion it was proven that the use of tools for textual analysis of open questions is possible and it to speeds up the decision-making of institutional evaluations.A Avaliação Institucional Docente, além de ser uma necessidade legal no Ensino Superior, é um momento importante para qualquer Instituição Educacional. Tradicionalmente, questionários com questões de respostas fechadas são utilizadas para este fim e muitas vezes, a análise das respostas abertas sobre a avaliação docente é relegada a um segundo plano. Este trabalho propõe um modelo computacional baseado em Aprendizagem de Máquina e Análise de Sentimentos que permite ampliar o escopo desta avaliação ao permitir o uso de questões textuais abertas. A aplicação destas técnicas, no contexto da Mineração de Dados Educacionais, traz subsídios para a tomada de decisão pelos atores deste processo, baseada nas opiniões dos alunos. Para isso, como prova de conceito do modelo proposto, foi realizada a mineração das opiniões de alunos de uma Instituição de Ensino Superior, categorizando-as com viés positivo ou negativo em relação às práticas de seus docentes, utilizando Aprendizagem de Máquina supervisionada. Este modelo também contempla a análise de clusterização para encontrar categorias de análise das opiniões de alunos através de um modelo de Máquina de Aprendizagem não supervisionada. Conclui-se que é possível a utilização de ferramentas computacionais para o processo de análise textual automática em Avaliações Institucionais baseadas em questionários de respostas abertas visando agilizar a tomada de decisão.Instituto Federal de Educação, Ciência e Tecnologia de São PauloUniversidade Presbiteriana Mackenzieapplication/pdfporUniversidade Presbiteriana MackenzieEngenharia ElétricaUPMBrasilEscola de Engenharia Mackenzie (EE)http://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessmineração de dados educacionaisaprendizado de máquinaanálise de sentimentosavaliação institucional docenteCNPQ::CIENCIAS EXATAS E DA TERRACNPQ::LINGUISTICA, LETRAS E ARTES::LINGUISTICACNPQ::CIENCIAS HUMANAS::EDUCACAO::PLANEJAMENTO E AVALIACAO EDUCACIONALUm modelo computacional de apoio à análise da opinião de alunos sobre práticas docentes por meio da mineração de dados educacionaisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisSilveira, Ismar Frangohttp://lattes.cnpq.br/3894359521286830Silva, Leandro Augusto dahttp://lattes.cnpq.br/1396385111251741Omar, Nizamhttp://lattes.cnpq.br/2067336430076971Araújo Junior, Carlos Fernando dehttp://lattes.cnpq.br/9413606062591307Yamamoto, Cláudio Haruohttp://lattes.cnpq.br/5376452909200749http://lattes.cnpq.br/5929658408093646Santos, Fábio de Paulahttp://tede.mackenzie.br/jspui/bitstream/tede/4428/5/FABIO%20DE%20PAULA%20SANTOS%20-%20protegida.pdfeducational data mininglearning machinessentiment analysisinstitutional evaluationreponame:Biblioteca Digital de Teses e Dissertações do Mackenzieinstname:Universidade Presbiteriana Mackenzie (MACKENZIE)instacron:MACKENZIE10899/265152020-12-07 12:07:30.87Biblioteca Digital de Teses e Dissertaçõeshttp://tede.mackenzie.br/jspui/PRI |
dc.title.por.fl_str_mv |
Um modelo computacional de apoio à análise da opinião de alunos sobre práticas docentes por meio da mineração de dados educacionais |
title |
Um modelo computacional de apoio à análise da opinião de alunos sobre práticas docentes por meio da mineração de dados educacionais |
spellingShingle |
Um modelo computacional de apoio à análise da opinião de alunos sobre práticas docentes por meio da mineração de dados educacionais Santos, Fábio de Paula mineração de dados educacionais aprendizado de máquina análise de sentimentos avaliação institucional docente CNPQ::CIENCIAS EXATAS E DA TERRA CNPQ::LINGUISTICA, LETRAS E ARTES::LINGUISTICA CNPQ::CIENCIAS HUMANAS::EDUCACAO::PLANEJAMENTO E AVALIACAO EDUCACIONAL |
title_short |
Um modelo computacional de apoio à análise da opinião de alunos sobre práticas docentes por meio da mineração de dados educacionais |
title_full |
Um modelo computacional de apoio à análise da opinião de alunos sobre práticas docentes por meio da mineração de dados educacionais |
title_fullStr |
Um modelo computacional de apoio à análise da opinião de alunos sobre práticas docentes por meio da mineração de dados educacionais |
title_full_unstemmed |
Um modelo computacional de apoio à análise da opinião de alunos sobre práticas docentes por meio da mineração de dados educacionais |
title_sort |
Um modelo computacional de apoio à análise da opinião de alunos sobre práticas docentes por meio da mineração de dados educacionais |
author |
Santos, Fábio de Paula |
author_facet |
Santos, Fábio de Paula |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Silveira, Ismar Frango |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/3894359521286830 |
dc.contributor.referee1.fl_str_mv |
Silva, Leandro Augusto da |
dc.contributor.referee1Lattes.fl_str_mv |
http://lattes.cnpq.br/1396385111251741 |
dc.contributor.referee2.fl_str_mv |
Omar, Nizam |
dc.contributor.referee2Lattes.fl_str_mv |
http://lattes.cnpq.br/2067336430076971 |
dc.contributor.referee3.fl_str_mv |
Araújo Junior, Carlos Fernando de |
dc.contributor.referee3Lattes.fl_str_mv |
http://lattes.cnpq.br/9413606062591307 |
dc.contributor.referee4.fl_str_mv |
Yamamoto, Cláudio Haruo |
dc.contributor.referee4Lattes.fl_str_mv |
http://lattes.cnpq.br/5376452909200749 |
dc.contributor.authorLattes.fl_str_mv |
http://lattes.cnpq.br/5929658408093646 |
dc.contributor.author.fl_str_mv |
Santos, Fábio de Paula |
contributor_str_mv |
Silveira, Ismar Frango Silva, Leandro Augusto da Omar, Nizam Araújo Junior, Carlos Fernando de Yamamoto, Cláudio Haruo |
dc.subject.por.fl_str_mv |
mineração de dados educacionais aprendizado de máquina análise de sentimentos avaliação institucional docente |
topic |
mineração de dados educacionais aprendizado de máquina análise de sentimentos avaliação institucional docente CNPQ::CIENCIAS EXATAS E DA TERRA CNPQ::LINGUISTICA, LETRAS E ARTES::LINGUISTICA CNPQ::CIENCIAS HUMANAS::EDUCACAO::PLANEJAMENTO E AVALIACAO EDUCACIONAL |
dc.subject.cnpq.fl_str_mv |
CNPQ::CIENCIAS EXATAS E DA TERRA CNPQ::LINGUISTICA, LETRAS E ARTES::LINGUISTICA CNPQ::CIENCIAS HUMANAS::EDUCACAO::PLANEJAMENTO E AVALIACAO EDUCACIONAL |
description |
The Institutional Teacher’s Evaluation besides being a legal need in higher education is an important moment for any Educational Institution. Traditionally, questionnaires with closed answer questions are used for this purpose and many times the evaluation is left to a secondary place. This work proposes a computational model based in machine learning techniques and Sentiment Analysis that allows increasing the scope of this evaluation when allowing the use of open and textual questions. The application of these techniques in Educational Data Mining context provides basis to decision-making based on the students’ opinions. For this purpose, as proof of concept, a mining of a student’s opinion survey from a Vocational High School in Brazil was held and categorized their sentiments as positive or negative in relation to their lecturers’ techniques with supervised machine learning approach. This model also contemplates clustering analysis to find categories of analysis of student opinions through an unsupervised Learning Machine model. As a conclusion it was proven that the use of tools for textual analysis of open questions is possible and it to speeds up the decision-making of institutional evaluations. |
publishDate |
2017 |
dc.date.issued.fl_str_mv |
2017-04-27 |
dc.date.accessioned.fl_str_mv |
2020-10-29T12:46:30Z 2020-12-07T15:07:30Z |
dc.date.available.fl_str_mv |
2020-12-07T15:07:30Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
SANTOS, Fábio de Paula. Um modelo computacional de apoio à análise da opinião de alunos sobre práticas docentes por meio da mineração de dados educacionais. 2017. 115 f. Tese (Engenharia Elétrica) - Universidade Presbiteriana Mackenzie, São Paulo, 2017. |
dc.identifier.uri.fl_str_mv |
http://dspace.mackenzie.br/handle/10899/26515 |
identifier_str_mv |
SANTOS, Fábio de Paula. Um modelo computacional de apoio à análise da opinião de alunos sobre práticas docentes por meio da mineração de dados educacionais. 2017. 115 f. Tese (Engenharia Elétrica) - Universidade Presbiteriana Mackenzie, São Paulo, 2017. |
url |
http://dspace.mackenzie.br/handle/10899/26515 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Presbiteriana Mackenzie |
dc.publisher.program.fl_str_mv |
Engenharia Elétrica |
dc.publisher.initials.fl_str_mv |
UPM |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
Escola de Engenharia Mackenzie (EE) |
publisher.none.fl_str_mv |
Universidade Presbiteriana Mackenzie |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações do Mackenzie instname:Universidade Presbiteriana Mackenzie (MACKENZIE) instacron:MACKENZIE |
instname_str |
Universidade Presbiteriana Mackenzie (MACKENZIE) |
instacron_str |
MACKENZIE |
institution |
MACKENZIE |
reponame_str |
Biblioteca Digital de Teses e Dissertações do Mackenzie |
collection |
Biblioteca Digital de Teses e Dissertações do Mackenzie |
repository.name.fl_str_mv |
|
repository.mail.fl_str_mv |
|
_version_ |
1757174443927404544 |