English

CIn - Centro de Informática UFPE




Eventos Relacionados

Defesa de Tese de Doutorado Nº 326 "Uma Abordagem de Mineração de Dados Educacionais para Previsão de Desempenho a Partir de Padrões Comportamentais de Autorregulação da Aprendizagem"

O aluno Rodrigo Lins Rodrigues irá defender sua pesquisa no dia 21, às 10h, na sala D224 Início: 21/12/2016 às 10:00 Término: 21/12/2016 às 00:00 Local: D224

 Pós-Graduação em Ciência da Computação – UFPE
Defesa de Tese de Doutorado Nº 326
 
Aluno: Rodrigo Lins Rodrigues
Orientador: Prof. Alex Sandro Gomes
Co-orientador: Prof.  Paulo Jorge Leitão Adeodato
Título: Uma Abordagem de Mineração de Dados Educacionais para Previsão de Desempenho a Partir de Padrões Comportamentais de Autorregulação da Aprendizagem
Data: 21/12/2016
Hora/Local: 10h – Centro de Informática – Sala D224
Banca Examinadora:
Prof. Fernando da Fonseca de Souza (CIn/UFPE)
Prof. Giordano Ribeiro Eulalio Cabral  (CIn/UFPE)
Prof. Marcelo Brito Carneiro Leão (Departamento de Química/UFRPE)
Prof. Francisco Milton Mendes Neto (Departamento de Ciências Exatas e Naturais UFERSA) 
Prof. Filomena Maria Gonçalves da Silva Cordeiro Moita (Centro de Humanidades/UEPB)
 
RESUMO:
 
O uso crescente dos sistemas de LMS, do inglês Learning Management System, tem gerado um aumento no volume de dados provenientes de interações entre professores e alunos. Esse volume de dados, se devidamente explorado, pode fornecer o entendimento de como os alunos autorregulam-se no desenvolver da sua aprendizagem e as relações destas habilidades com o desempenho acadêmico. Diante deste contexto, delimitamos o objetivo de pesquisa desta tese como sendo a modelagem preditiva do desempenho de estudantes através de indicadores comportamentais de autorregulação da aprendizagem em ambientes de LMS. O método utilizado nesta pesquisa foi baseado na metodologia CRIPS-DM, percorrendo pelas fases de Entendimento do domínio em educação, Entendimento dos dados educacionais, Preparação dos dados, Modelagem, Avaliação do modelo e Implementação da solução em formato software de visualização de dados. O processo de modelagem foi realizado através de dados históricos de uma instituição de ensino superior, armazenados durante um período de sete anos. Como resultado da fase de modelagem, foi realizado o desenvolvimento, avaliação e comparativo entre quatro modelos de previsão, através dos algoritmos de Árvore de Decisão (CART), Regressão Logística, SVM e Naive Bayes. O modelo de regressão logística apresentou-se como sendo o mais satisfatório, sendo capaz de predizer o desempenho acadêmico dos estudantes, de acordo com variáveis de autorregulação da aprendizagem, com uma taxa de acurácia de 0,893 e área sobre a curva ROC de 0,9574. Por fim, foi realizada a concepção, implementação e avaliação de uma solução de software, para visualização de dados, capaz de fornecer indícios de previsibilidade do desempenho do aluno a partir do seu registro comportamental armazenado na plataforma de LMS.
 
Palavras-chave: Mineração de Dados Educacionais, Autorregulação da Aprendizagem, Regressão Logística, Educação a Distância.
 
  • © Centro de Informática UFPE - Todos os direitos reservados
    Tel +55 81 2126.8430 - Cidade Universitária - 50740-560 - Recife/PE
Plano4 Consultoria Web