Modelo socioafetivo baseado em learning analytics para auxiliar professores no acompanhamento de estudantes em um ambiente virtual de aprendizagem
| Ano de defesa: | 2024 |
|---|---|
| Autor(a) principal: | |
| Orientador(a): | , |
| Banca de defesa: | |
| Tipo de documento: | Tese |
| Tipo de acesso: | Acesso aberto |
| Idioma: | por |
| Instituição de defesa: |
Não Informado pela instituição
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: | |
| Palavras-chave em Inglês: | |
| Link de acesso: | http://hdl.handle.net/10183/290407 |
Resumo: | A presente tese tem como objetivo construir um Modelo Socioafetivo baseado em Learning Analytics (MOSALA) para auxiliar professores no acompanhamento de estudantes em um Ambiente Virtual de Aprendizagem. A Educação a Distância (EaD) possibilita uma flexibilidade de tempo e local, no entanto, um dos seus principais desafios é o reconhecimento da interação e afetividade entre os participantes. O Ambiente Virtual de Aprendizagem (AVA) da Rede cOOperativa De Aprendizagem (ROODA) possui as funcionalidades Mapa Social e Mapa Afetivo. O Mapa Social evidencia as relações sociais na forma de sociograma e o Mapa Afetivo identifica os estados de ânimo dos alunos. Assim, a partir do panorama apresentado, que consiste na dificuldade de analisar os aspectos sociais e afetivos dos discentes no AVA, foi construído um modelo, denominado MOSALA. Este auxiliou na integração do Mapa Social e Mapa Afetivo, permitindo a coleta de dados sociais e afetivos que ajudaram no mapeamento, por meio de Learning Analytics, de Cenários Socioafetivos recorrentes em determinadas disciplinas e cursos de extensão realizados no ROODA. Dessa forma, a partir dos Cenários, o docente pode aplicar Estratégias Pedagógicas (EP) para personalizar o ensino e a aprendizagem, de acordo com o perfil dos estudantes. Nesse âmbito, entende-se que é importante o desenvolvimento de uma funcionalidade no AVA para que o professor possa ter acesso, de maneira gráfica, à recomendação dos Cenários Socioafetivos e suas respectivas EP, denominada Mapa Socioafetivo. Nesse contexto, a metodologia do estudo foi desenvolvida a partir de uma abordagem qualitativa e quantitativa. O público-alvo desta investigação foi estudantes de graduação, pós-graduação e cursos de extensão; professores; tutores e monitores. A presente pesquisa contou com seis etapas que possibilitaram a construção do MOSALA. Os instrumentos de coleta foram compostos pelo Mapa Social, Mapa Afetivo, observação participante e questionários. Os dados obtidos apresentam o mapeamento de 59 Cenários Socioafetivos utilizando Learning Analytics, a criação de 354 EP e o desenvolvimento do protótipo do Mapa Socioafetivo. Portanto, o modelo elaborado pode servir como base para ser aplicado em outros AVA, bem como em diferentes contextos na EaD. |
| id |
URGS_28306643b09ffb8b4ec7312fc1fcbb7c |
|---|---|
| oai_identifier_str |
oai:www.lume.ufrgs.br:10183/290407 |
| network_acronym_str |
URGS |
| network_name_str |
Biblioteca Digital de Teses e Dissertações da UFRGS |
| repository_id_str |
|
| spelling |
Akazaki, Jacqueline MayumiBehar, Patrícia AlejandraMachado, Letícia Sophia Rocha2025-04-17T06:56:34Z2024http://hdl.handle.net/10183/290407001208357A presente tese tem como objetivo construir um Modelo Socioafetivo baseado em Learning Analytics (MOSALA) para auxiliar professores no acompanhamento de estudantes em um Ambiente Virtual de Aprendizagem. A Educação a Distância (EaD) possibilita uma flexibilidade de tempo e local, no entanto, um dos seus principais desafios é o reconhecimento da interação e afetividade entre os participantes. O Ambiente Virtual de Aprendizagem (AVA) da Rede cOOperativa De Aprendizagem (ROODA) possui as funcionalidades Mapa Social e Mapa Afetivo. O Mapa Social evidencia as relações sociais na forma de sociograma e o Mapa Afetivo identifica os estados de ânimo dos alunos. Assim, a partir do panorama apresentado, que consiste na dificuldade de analisar os aspectos sociais e afetivos dos discentes no AVA, foi construído um modelo, denominado MOSALA. Este auxiliou na integração do Mapa Social e Mapa Afetivo, permitindo a coleta de dados sociais e afetivos que ajudaram no mapeamento, por meio de Learning Analytics, de Cenários Socioafetivos recorrentes em determinadas disciplinas e cursos de extensão realizados no ROODA. Dessa forma, a partir dos Cenários, o docente pode aplicar Estratégias Pedagógicas (EP) para personalizar o ensino e a aprendizagem, de acordo com o perfil dos estudantes. Nesse âmbito, entende-se que é importante o desenvolvimento de uma funcionalidade no AVA para que o professor possa ter acesso, de maneira gráfica, à recomendação dos Cenários Socioafetivos e suas respectivas EP, denominada Mapa Socioafetivo. Nesse contexto, a metodologia do estudo foi desenvolvida a partir de uma abordagem qualitativa e quantitativa. O público-alvo desta investigação foi estudantes de graduação, pós-graduação e cursos de extensão; professores; tutores e monitores. A presente pesquisa contou com seis etapas que possibilitaram a construção do MOSALA. Os instrumentos de coleta foram compostos pelo Mapa Social, Mapa Afetivo, observação participante e questionários. Os dados obtidos apresentam o mapeamento de 59 Cenários Socioafetivos utilizando Learning Analytics, a criação de 354 EP e o desenvolvimento do protótipo do Mapa Socioafetivo. Portanto, o modelo elaborado pode servir como base para ser aplicado em outros AVA, bem como em diferentes contextos na EaD.This dissertation aims to build Socio-affective Model based on Learning Analytics (in Portuguese: MOSALA) to help teachers monitor students in a Virtual Learning Environment (VLE). While Distance Education (DE) is more flexible in terms of time and place, one of its main challenges is recognizing interaction and affectivity between participants. Therefore, the Social Map and Affective Map tools were developed for the Cooperative Learning Network (in Portuguese: ROODA) VLE. The Social Map show social relationships in the form of sociograms and the Affective Map identifies students' moods. Yet, due to the difficulty of analyzing the social and affective aspects of students in the VLE, this dissertation built the MOSALA model. MOSALA integrates the social and affective data collected through Learning Analytics from the Social Map and Affective Map from specific courses and extension courses in the ROODA VLE to create recurring Socio-affective Scenarios. The teacher can then apply Pedagogical Strategies (PS) based on the scenarios to personalize teaching and learning according to the students' profile. The Socio-affective Map tool was developed for the ROODA VLE to enable the teacher to have access to Socio-affective Scenarios recommendations as well as their respective PS presented as a graph. This study methodology was developed using a qualitative and quantitative approach. The target audience were undergraduate, graduate, and extension course students; professors; teaching assistants and monitors. Six research stages enabled the construction of MOSALA. The collection instruments included the Social Map, Affective Map, participant observation, and questionnaires. The data obtained mapped 59 Socio-affective Scenarios using Learning Analytics, created 354 PS, and developed of the Socio-affective Map prototype. The MOSALA model be applied in other VLEs as well as in different DE contexts.application/pdfporEducação a distânciaAprendizagemPedagogiaDistance EducationVirtual Learning EnvironmentsLearning AnalyticsSocial and Affective aspectsPedagogical StrategiesModelo socioafetivo baseado em learning analytics para auxiliar professores no acompanhamento de estudantes em um ambiente virtual de aprendizageminfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisUniversidade Federal do Rio Grande do SulCentro de Estudos Interdisciplinares em Novas Tecnologias da EducaçãoPrograma de Pós-Graduação em Informática na EducaçãoPorto Alegre, BR-RS2024doutoradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001208357.pdf.txt001208357.pdf.txtExtracted Texttext/plain589274http://www.lume.ufrgs.br/bitstream/10183/290407/2/001208357.pdf.txt9a5887af6d5db18f5753acab4d3d8ebfMD52ORIGINAL001208357.pdfTexto completoapplication/pdf16017380http://www.lume.ufrgs.br/bitstream/10183/290407/1/001208357.pdfab1634b396e36b2d654fc1edc1dd3496MD5110183/2904072025-05-10 06:57:03.446426oai:www.lume.ufrgs.br:10183/290407Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br || lume@ufrgs.bropendoar:18532025-05-10T09:57:03Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false |
| dc.title.pt_BR.fl_str_mv |
Modelo socioafetivo baseado em learning analytics para auxiliar professores no acompanhamento de estudantes em um ambiente virtual de aprendizagem |
| title |
Modelo socioafetivo baseado em learning analytics para auxiliar professores no acompanhamento de estudantes em um ambiente virtual de aprendizagem |
| spellingShingle |
Modelo socioafetivo baseado em learning analytics para auxiliar professores no acompanhamento de estudantes em um ambiente virtual de aprendizagem Akazaki, Jacqueline Mayumi Educação a distância Aprendizagem Pedagogia Distance Education Virtual Learning Environments Learning Analytics Social and Affective aspects Pedagogical Strategies |
| title_short |
Modelo socioafetivo baseado em learning analytics para auxiliar professores no acompanhamento de estudantes em um ambiente virtual de aprendizagem |
| title_full |
Modelo socioafetivo baseado em learning analytics para auxiliar professores no acompanhamento de estudantes em um ambiente virtual de aprendizagem |
| title_fullStr |
Modelo socioafetivo baseado em learning analytics para auxiliar professores no acompanhamento de estudantes em um ambiente virtual de aprendizagem |
| title_full_unstemmed |
Modelo socioafetivo baseado em learning analytics para auxiliar professores no acompanhamento de estudantes em um ambiente virtual de aprendizagem |
| title_sort |
Modelo socioafetivo baseado em learning analytics para auxiliar professores no acompanhamento de estudantes em um ambiente virtual de aprendizagem |
| author |
Akazaki, Jacqueline Mayumi |
| author_facet |
Akazaki, Jacqueline Mayumi |
| author_role |
author |
| dc.contributor.author.fl_str_mv |
Akazaki, Jacqueline Mayumi |
| dc.contributor.advisor1.fl_str_mv |
Behar, Patrícia Alejandra Machado, Letícia Sophia Rocha |
| contributor_str_mv |
Behar, Patrícia Alejandra Machado, Letícia Sophia Rocha |
| dc.subject.por.fl_str_mv |
Educação a distância Aprendizagem Pedagogia |
| topic |
Educação a distância Aprendizagem Pedagogia Distance Education Virtual Learning Environments Learning Analytics Social and Affective aspects Pedagogical Strategies |
| dc.subject.eng.fl_str_mv |
Distance Education Virtual Learning Environments Learning Analytics Social and Affective aspects Pedagogical Strategies |
| description |
A presente tese tem como objetivo construir um Modelo Socioafetivo baseado em Learning Analytics (MOSALA) para auxiliar professores no acompanhamento de estudantes em um Ambiente Virtual de Aprendizagem. A Educação a Distância (EaD) possibilita uma flexibilidade de tempo e local, no entanto, um dos seus principais desafios é o reconhecimento da interação e afetividade entre os participantes. O Ambiente Virtual de Aprendizagem (AVA) da Rede cOOperativa De Aprendizagem (ROODA) possui as funcionalidades Mapa Social e Mapa Afetivo. O Mapa Social evidencia as relações sociais na forma de sociograma e o Mapa Afetivo identifica os estados de ânimo dos alunos. Assim, a partir do panorama apresentado, que consiste na dificuldade de analisar os aspectos sociais e afetivos dos discentes no AVA, foi construído um modelo, denominado MOSALA. Este auxiliou na integração do Mapa Social e Mapa Afetivo, permitindo a coleta de dados sociais e afetivos que ajudaram no mapeamento, por meio de Learning Analytics, de Cenários Socioafetivos recorrentes em determinadas disciplinas e cursos de extensão realizados no ROODA. Dessa forma, a partir dos Cenários, o docente pode aplicar Estratégias Pedagógicas (EP) para personalizar o ensino e a aprendizagem, de acordo com o perfil dos estudantes. Nesse âmbito, entende-se que é importante o desenvolvimento de uma funcionalidade no AVA para que o professor possa ter acesso, de maneira gráfica, à recomendação dos Cenários Socioafetivos e suas respectivas EP, denominada Mapa Socioafetivo. Nesse contexto, a metodologia do estudo foi desenvolvida a partir de uma abordagem qualitativa e quantitativa. O público-alvo desta investigação foi estudantes de graduação, pós-graduação e cursos de extensão; professores; tutores e monitores. A presente pesquisa contou com seis etapas que possibilitaram a construção do MOSALA. Os instrumentos de coleta foram compostos pelo Mapa Social, Mapa Afetivo, observação participante e questionários. Os dados obtidos apresentam o mapeamento de 59 Cenários Socioafetivos utilizando Learning Analytics, a criação de 354 EP e o desenvolvimento do protótipo do Mapa Socioafetivo. Portanto, o modelo elaborado pode servir como base para ser aplicado em outros AVA, bem como em diferentes contextos na EaD. |
| publishDate |
2024 |
| dc.date.issued.fl_str_mv |
2024 |
| dc.date.accessioned.fl_str_mv |
2025-04-17T06:56:34Z |
| 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.uri.fl_str_mv |
http://hdl.handle.net/10183/290407 |
| dc.identifier.nrb.pt_BR.fl_str_mv |
001208357 |
| url |
http://hdl.handle.net/10183/290407 |
| identifier_str_mv |
001208357 |
| dc.language.iso.fl_str_mv |
por |
| language |
por |
| dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
| eu_rights_str_mv |
openAccess |
| dc.format.none.fl_str_mv |
application/pdf |
| dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da UFRGS instname:Universidade Federal do Rio Grande do Sul (UFRGS) instacron:UFRGS |
| instname_str |
Universidade Federal do Rio Grande do Sul (UFRGS) |
| instacron_str |
UFRGS |
| institution |
UFRGS |
| reponame_str |
Biblioteca Digital de Teses e Dissertações da UFRGS |
| collection |
Biblioteca Digital de Teses e Dissertações da UFRGS |
| bitstream.url.fl_str_mv |
http://www.lume.ufrgs.br/bitstream/10183/290407/2/001208357.pdf.txt http://www.lume.ufrgs.br/bitstream/10183/290407/1/001208357.pdf |
| bitstream.checksum.fl_str_mv |
9a5887af6d5db18f5753acab4d3d8ebf ab1634b396e36b2d654fc1edc1dd3496 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
| repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS) |
| repository.mail.fl_str_mv |
lume@ufrgs.br || lume@ufrgs.br |
| _version_ |
1846255901880614912 |