Avaliação de desempenho em programa de formação massiva utilizando técnicas de mineração de dados

• Ano de defesa: 2015
• Autor(a) principal: PINHEIRO, Marcia Fontes
• Orientador(a): SANTANA, Ádamo Lima de
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal do Pará
• Programa de Pós-Graduação: Programa de Pós-Graduação em Engenharia Elétrica
• Departamento: Instituto de Tecnologia
• País: Brasil
• Palavras-chave em Português: Mineração de dados (Computação); Processos de aprendizagem; Formação massiva; Seleção de atributos; Ambientes Virtuais de Aprendizagem (AVAs); Avaliação de desempenho
• Palavras-chave em Inglês: Learning process; Virtual learning environments; Perfomance evaluation; Massive training; Atribute selection; Data mining
• Área do conhecimento CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::ENGENHARIA DE SOFTWARE; CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::LINGUAGENS DE PROGRAMACAO
• Link de acesso: http://repositorio.ufpa.br/jspui/handle/2011/8035

Com a evolução da aplicação de Tecnologias da Informação e Comunicação (TICs) no sistema educacional, foi fomentado o surgimento de novos métodos, técnicas e procedimentos que favoreçam a aprendizagem ativa, planejamento e gestão de cursos e suporte para superação de dificuldades no processo educacional, sejam presenciais ou a distância. Os Ambientes Virtuais de Aprendizagem (AVAs) tornaram-se fundamentais à condução de processos educacionais, propiciando a democratização da educação e permitindo a formação continuada, além de gerar grandes volumes de dados a respeito do processo de aprendizagem. Ter informações sobre o processo de aprendizagem é de extrema importância para os educadores e alunos, uma vez que permite apoiar a tomada de decisão e reflexão sobre as metodologias aplicadas no ensino, conteúdo utilizado e desempenho dos alunos. Neste sentido, esta pesquisa propõe metodologia de seleção de atributos para avaliação de desempenho de alunos de Programa de Formação Massiva utilizando técnicas de Mineração de Dados. A metodologia proposta considera identificar atributos a serem utilizados para realização de inferências relacionadas ao desempenho dos estudantes e correlacionando com aspectos sociais através de análise qualitativa e quantitativa de resultados. Esta metodologia foi desenvolvida considerando o contexto educacional e valorizando a diversidade neste processo. Para demonstrar a viabilidade da metodologia proposta aplicou-se estudo de caso em ambiente híbrido de aprendizagem massiva com bases de dados proprietárias do Programa Telecentros.BR disponibilizadas pelos gestores do Programa. No estudo de caso foi aplicada a metodologia de seleção de atributos para a mineração de dados educacionais, conseguinte foram aplicadas tarefas de classificação utilizando os algoritmos J48, Random Forest e Random Tree para predição de notas de alunos; tarefas de agrupamento utilizando os algoritmos de K-means para encontrar perfil de alunos baseado em logs de utilização do AVA e Self-Organized Maps (SOM) para encontrar características educacionais qualitativas a partir de avaliações qualitativas textuais. Os resultados obtidos através de estudo de caso demonstraram a viabilidade da metodologia considerando o contexto educacional e apresentam novos indicadores de desempenho aos gestores do Programa Telecentros, tais como perfil de uso do AVA, indicadores de evasão, perfil dos alunos.