Detecção da autoeficácia em ambientes computacionais de aprendizagem

• Ano de defesa: 2025
• Autor(a) principal: Campos, Kelis Estatiane de
• Orientador(a): Rigo, Sandro José
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade do Vale do Rio dos Sinos
• Programa de Pós-Graduação: Programa de Pós-Graduação em Computação Aplicada
• Departamento: Escola Politécnica
• País: Brasil
• Palavras-chave em Português: Autoeficácia; Ambientes Computacionais de Aprendizagem; Estratégias de aprendizagem; Educação a Distância; Diagnóstico educacional
• Palavras-chave em Inglês: Self-efficacy; Computer Learning Environment; Learning strategies; Distance Education; Educational diagnosis
• Área do conhecimento CNPq: ACCNPQ::Ciências Exatas e da Terra::Ciência da Computação
• Link de acesso: http://repositorio.jesuita.org.br/handle/UNISINOS/13868

Nos últimos anos observa-se o crescimento pelo interesse em estudos voltados à área de Computação Afetiva, com ênfase nos estados afetivos, que compreendem pesquisas que relacionam a emoção e a aprendizagem. As emoções podem influenciar a aprendizagem tanto de forma positiva quanto negativa. Deste modo, o presente estudo direciona-se para a crença de Autoeficácia, que compreende a capacidade do indivíduo em produzir determinados níveis de performance, o que implica em como a pessoa sente, pensa, se motiva e se comporta. Isto posto, ao fazer o uso dos Ambientes Computacionais de Aprendizagem (ACA) para auxiliar no processo de aprendizagem, estudos têm mostrado o quanto fatores emocionais e a relação entre variáveis internas (psíquicas) e externas (ambientais) são fundamentais no processo de ensinoaprendizagem. Assim, o estudo preliminar realizado em forma de mapeamento sistemático identificou uma lacuna apontando para a necessidade de pesquisas voltadas a detecção da autoeficácia ou outros fenômenos socioafetivos, já que o uso dos ACA na atualidade apresentase como uma realidade presente nas diferentes modalidades de ensino. Nessa perspectiva, este estudo propôs um modelo para realização de diagnóstico, instrução e acompanhamento da autoeficácia acadêmica em Ambientes Computacionais de Aprendizagem, com intuito de promover o autoconhecimento e contribuir para melhores estratégias de aprendizagem dos alunos. Tem-se por hipótese de estudo que a realização de diagnóstico, instrução sobre a autoeficácia, bem como ações de acompanhamento quando do uso dos ACAs podem incentivar a modificação de atitudes de estudos dos alunos, de modo a alterar o percurso de aprendizagem, possibilitando a melhoria do desempenho acadêmico. Assim, o estudo compreendeu investigação de caráter exploratório e descritivo, a partir de técnicas quantiqualitativas. O modelo proposto, denominado Modelo de Diagnóstico, Prevenção e Acompanhamento de Autoeficácia (MDPAA), envolveu três etapas, sendo: diagnóstico do nível de autoeficácia, a partir da criação do formulário de autoeficácia do aluno; Análise de padrões de comportamento estudantil com o uso da ferramenta Orange, e elaboração e avaliação do Guia Orientativo, material instrucional criado para instruir os alunos sobre a autoeficácia. A partir dos resultados dos experimentos realizados pode-se obter indicativos de aplicabilidade e eficácia do MDPAA, sendo avaliado que o modelo pode possibilitar escolhas mais assertivas em relação a trajetória acadêmica, de modo, a colaborar para o favorecimento do processo de ensinoaprendizagem e consequentemente contribuir para a melhoria do desempenho acadêmico, fomentando a diminuição dos índices de desistência e evasão na educação.