Análise cognitivo-emocional com neurotecnologias de eletroencefalograma e rastreamento ocular em ambiente virtual interativo stem

Abstract

Esta tese investiga como a utilização de neurotecnologias portáteis pode contribuir para o reconhecimento de estados cognitivos e emocionais durante atividades de aprendizagem em ambientes virtuais STEM (Ciência, Tecnologia, Engenharia e Matemática). A pesquisa parte do pressuposto de que as respostas fisiológicas, registradas por meio de sinais eletroencefalográficos (EEG) e rastreamento ocular, podem oferecer subsídios relevantes para aprimorar os métodos de ensino e aprendizagem, por meio de estratégias pedagógicas adaptativas e personalizadas. A metodologia envolve a coleta de dados cerebrais de estudantes durante a execução de tarefas em ambientes virtuais de aprendizagem, o desenvolvimento de protocolos de análise e a aplicação de técnicas de inteligência artificial para interpretação dos sinais captados. Como parte da fundamentação teórica, realizou-se revisões sistemáticas da literatura (RSL), que mapearam as principais abordagens, dispositivos, contextos e resultados associados ao uso de neurotecnologias em contextos educacionais, com especial atenção às áreas STEM. Os resultados evidenciam o potencial das neurotecnologias como ferramentas de apoio ao ensino, permitindo o monitoramento em tempo real de variáveis como atenção, engajamento, estresse e carga cognitiva. Além disso, apontam para a relevância do desenvolvimento de sistemas educacionais inteligentes, capazes de adaptar o conteúdo e a complexidade das atividades com base nos estados neurofisiológicos dos estudantes. Conclui-se que a integração entre neurociência, ciência de dados e educação representa uma via promissora para o avanço de práticas pedagógicas mais responsivas às necessidades cognitivas e emocionais dos alunos, contribuindo para ambientes de aprendizagem mais inclusivos, eficazes e centrados no estudante.

This thesis investigates how the use of portable neurotechnologies can contribute to the recognition of cognitive and emotional states during learning activities in virtual STEM environments (Science, Technology, Engineering, and Mathematics). The research is based on the assumption that physiological responses, recorded through electroencephalographic (EEG) signals and eyetracker, can provide relevant insights to enhance teaching and learning methods through adaptive and personalized pedagogical strategies. The methodology involves collecting brain data from students while they perform tasks in virtual learning environments, developing data analysis protocols, and applying artificial intelligence techniques to interpret the recorded signals. As part of the theoretical foundation, systematic literature reviews (SLRs) were conducted to map the main approaches, devices, contexts, and outcomes associated with the use of neurotechnologies in educational settings, with special attention to STEM areas. The results highlight the potential of neurotechnologies as educational support tools, enabling real-time monitoring of variables such as attention, engagement, stress, and cognitive load. Additionally, they underscore the importance of developing intelligent educational systems capable of adapting content and task complexity based on students’ neurophysiological states. It is concluded that the integration of neuroscience, data science, and education represents a promising path for advancing pedagogical practices that are more responsive to students’ cognitive and emotional needs, contributing to more inclusive, effective, and student-centered learning environments.