Identificação de trajetórias de aprendizagem com o uso de grafos direcionados e técnicas de mineração de dados visando a detecção de evasão em cursos EAD

Abstract

A expansão das Tecnologias de Informação e Comunicação (TICs) mudou as formas de interação e socialização entre as pessoas e o ambiente em que estão inseridas. As instituições de ensino também receberam forte influência de tais mudanças, necessitando adequar-se a essa nova realidade, em especial no que diz respeito à Educação a Distância. O recente crescimento dessa modalidade está baseado na intensificação do uso de TICs e tem levado pesquisadores a buscarem novas soluções para lacunas relativas ao ensino. Neste estudo são propostas soluções para tais hiatos que podem levar à evasão escolar. Para tanto, sugere-se o uso de Mineração de Dados e representações de Trajetórias de Aprendizagem (TAs), em especial através de representações visuais conhecidas como Grafos. A Mineração de Dados (MD) é empregada para que, com o uso de dados gerados pelas interações na plataforma Moodle, seja possível obter informações úteis que levem à identificação do perfil de alunos ou grupo de alunos, de acordo com as características apresentadas ao longo das TAs percorridas. As representações visuais foram utilizadas com o objetivo de identificar comportamentos que possam levar à evasão de alunos em cursos na modalidade a distância. Em especial, por meio de uma ferramenta de visualização desenvolvida especificamente para esta tese, foi possível visualizar as interações de um conjunto de alunos com os recursos presentes no Moodle. A ferramenta foi testada e avaliada por um conjunto de professores por meio de um questionário modelo TAM. Como resultado foi possível observar padrões específicos de interações de acordo com cada grupo de alunos agrupados de acordo com suas notas. Por último, houve um retorno positivo quanto a percepção dos participantes da avaliação da ferramenta e de seus resultados quanto a sua utilidade em tarefas docentes. O presente trabalho possui contribuições para as áreas da Educação e Computação, além de contribuição social, propondo uma nova ferramenta computacional que apresenta facilidades quanto ao seu uso por parte de professores e tutores de cursos EAD, possibilitando a visualização das interações dos alunos com recursos educacionais no ambiente Moodle, podendo ser utilizada para detecção precoce de alunos com propensão a evasão, contribuindo assim para um melhor acompanhamento dos estudantes quando utilizam a plataforma Moodle.

The expansion of Information and Communication Technologies (ICTs) has changed the forms of interaction and socialization between people and the environment in which they are inserted. Teaching institutions were also strongly influenced by such changes, needing to adapt to this new reality, especially regarding Distance Education. The recent growth of this modality is based on the intensification of the use of ICTs and has led researchers to seek new solutions for gaps related to teaching. This study proposes solutions for such gaps that can lead to school dropout. For that, it is suggested the use of Data Mining and representations of Learning Paths (LPs), especially through visual representations known as Graphs. Data Mining (DM) is used so that, with the use of data generated by interactions on the Moodle platform, it is possible to obtain useful information that leads to the identification of the profile of students or groups of students, according to the characteristics presented throughout of the LPs traversed. The visual representations were used with the aim of identifying behaviors that could lead to dropout of students in distance learning courses. In particular, through a visualization tool developed specifically for this thesis, it was possible to visualize the interactions of a group of students with the resources present in Moodle. The tool was tested and evaluated by a group of teachers through a TAM model questionnaire. As a result, it was possible to observe specific patterns of interactions according to each group of students grouped according to their grades. Finally, there was positive feedback regarding the perception of the participants in the evaluation of the tool, and its results, regarding its usefulness in their teaching tasks. This work has contributions to the areas of Education and Computing, besides Social contributions, proposing a new computational tool that is of easy use by teachers, tutors of distance learning courses, enabling the visualization of student interactions with educational resources in the Moodle environment. Moreover, the tool can be used for early detection of students prone to dropout, contributing to a better monitoring of students when using the Moodle platform.