Um modelo de recomendação de recursos educacionais baseado em aprendizagem de máquina para autorregulação da aprendizagem
Autor(a) principal: | |
---|---|
Data de Publicação: | 2018 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFPE |
Texto Completo: | https://repositorio.ufpe.br/handle/123456789/34472 |
Resumo: | O aumento da educação à distância no Brasil tem estimulado o desenvolvimento de soluções para redução da evasão nos cursos e melhoria de desempenho dos estudantes. Dados gerados de interações em ambientes virtuais de aprendizagem (AVA) têm sido analisados na busca por padrões que auxiliem no acompanhamento da aprendizagem. AVAs têm sido aprimorados considerando peculiaridades existentes no perfil dos estudantes, para indicação de atividades e/ou estratégias de aprendizagem que melhorem seu desempenho. Neste contexto, este trabalho investiga e desenvolve uma solução de recomendação de atividades de aprendizagem baseada em padrões de autorregulação em AVAs, fundamentada em algoritmos de aprendizagem de máquina e mineração de dados. Para tal, um mapeamento sistemático de literatura foi realizado, possibilitando identificar tendências e lacunas de pesquisa na área. A partir de tais achados, foi construída uma solução em software de recomendação de recursos educacionais que possibilita (1) analisar o desempenho dos estudantes a partir de uma pontuação; (2) extrair características comportamentais associadas à autorregulação que influenciam no desempenho; e (3) recomendar ações que promovam a melhoria do desempenho. Experimentos realizados com uma base real de uma universidade brasileira com mais de 30.000 estudantes, e várias métricas de desempenho (AUROC, Precisison, Recall, F-measure, Kappa), indicam que a solução foi capaz de capturar o perfil de aprendizagem com performance superior a 0,89 (AUROC). Além disso, foi possível extrair características comportamentais com performance superior a 0,88 (AUROC) e elaborar um conjunto de recomendações para melhoria da aprendizagem do estudante, a exemplo de textos e/ou vídeos relacionados aos fóruns onde o estudante não interagiu, incentivando sua participação nessas discussões. |
id |
UFPE_8c4ab3cef5020d6f49d91a44cb06e56b |
---|---|
oai_identifier_str |
oai:repositorio.ufpe.br:123456789/34472 |
network_acronym_str |
UFPE |
network_name_str |
Repositório Institucional da UFPE |
repository_id_str |
2221 |
spelling |
FERREIRA, Victor Afonso dos Santoshttp://lattes.cnpq.br/5547501359616306http://lattes.cnpq.br/5943634209341438VASCONCELOS, Germano Crispim2019-10-10T22:19:14Z2019-10-10T22:19:14Z2018-02-28https://repositorio.ufpe.br/handle/123456789/34472O aumento da educação à distância no Brasil tem estimulado o desenvolvimento de soluções para redução da evasão nos cursos e melhoria de desempenho dos estudantes. Dados gerados de interações em ambientes virtuais de aprendizagem (AVA) têm sido analisados na busca por padrões que auxiliem no acompanhamento da aprendizagem. AVAs têm sido aprimorados considerando peculiaridades existentes no perfil dos estudantes, para indicação de atividades e/ou estratégias de aprendizagem que melhorem seu desempenho. Neste contexto, este trabalho investiga e desenvolve uma solução de recomendação de atividades de aprendizagem baseada em padrões de autorregulação em AVAs, fundamentada em algoritmos de aprendizagem de máquina e mineração de dados. Para tal, um mapeamento sistemático de literatura foi realizado, possibilitando identificar tendências e lacunas de pesquisa na área. A partir de tais achados, foi construída uma solução em software de recomendação de recursos educacionais que possibilita (1) analisar o desempenho dos estudantes a partir de uma pontuação; (2) extrair características comportamentais associadas à autorregulação que influenciam no desempenho; e (3) recomendar ações que promovam a melhoria do desempenho. Experimentos realizados com uma base real de uma universidade brasileira com mais de 30.000 estudantes, e várias métricas de desempenho (AUROC, Precisison, Recall, F-measure, Kappa), indicam que a solução foi capaz de capturar o perfil de aprendizagem com performance superior a 0,89 (AUROC). Além disso, foi possível extrair características comportamentais com performance superior a 0,88 (AUROC) e elaborar um conjunto de recomendações para melhoria da aprendizagem do estudante, a exemplo de textos e/ou vídeos relacionados aos fóruns onde o estudante não interagiu, incentivando sua participação nessas discussões.CNPqThe continuous increase of distance education in Brazil has motivated the development of solutions for diminishing course evasion e enhancement of student performance. Data generated from virtual education environments (AVA) has been increasingly analyzed in the search for student pattern behavior in order to address performance and to stimulate learning capabilities. AVAs have therefore been adjusted to indicate activities and strategies that may improve student learning based on their profiles and behaviors while interacting within the environment with tasks, colleagues and supervisors. In this context, this dissertation investigates and develops a solution for recommendation of activities in AVA systems based on self regulation of learning. The solution builds a model and a software making use of machine learning and data mining algorithms. First, a systematic mapping of the literature is conducted to identify tendencies and gaps in the area. Second, a software solution for recommendation of resources was devised capable of (1) analyzing student performance according to a learning score, (2) extracting automatic knowledge of behavioral features associated with self regulated learning that influence student performance; and (3) recommending actions to promote enhancement in student performance. Experiments conducted with a comprehensive database of 30000 distance students from a Brazilian university, according to several performance metrics (AUROC, Precisison, Recall, F-measure, Kappa), showed the solution was capable of capturing the learning pattern of students with performance superior to 0.89 (AUROC). In addition, it was possible to extract student behavior characteristics with performance above 0.88 (AUROC) and to define sets of recommendations to improve learning. For example, actions and tools such as texts and/or videos related to tasks and parts of the environment where the student has not interacted with are recommended thus, stimulating its participation in discussions and in important subjects of interest.porUniversidade Federal de PernambucoPrograma de Pos Graduacao em Ciencia da ComputacaoUFPEBrasilAttribution-NonCommercial-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessInteligência artificialAprendizagem de máquinaMineração de dadosUm modelo de recomendação de recursos educacionais baseado em aprendizagem de máquina para autorregulação da aprendizageminfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesismestradoreponame:Repositório Institucional da UFPEinstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPETHUMBNAILDISSERTAÇÃO Victor Afonso dos Santos Ferreira.pdf.jpgDISSERTAÇÃO Victor Afonso dos Santos Ferreira.pdf.jpgGenerated Thumbnailimage/jpeg1387https://repositorio.ufpe.br/bitstream/123456789/34472/5/DISSERTA%c3%87%c3%83O%20Victor%20Afonso%20dos%20Santos%20Ferreira.pdf.jpg3d69bd350ffd0b6f33fd012332bb80c6MD55ORIGINALDISSERTAÇÃO Victor Afonso dos Santos Ferreira.pdfDISSERTAÇÃO Victor Afonso dos Santos Ferreira.pdfapplication/pdf2082067https://repositorio.ufpe.br/bitstream/123456789/34472/1/DISSERTA%c3%87%c3%83O%20Victor%20Afonso%20dos%20Santos%20Ferreira.pdfd480ad21b97c176869ad27d2a08f471aMD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repositorio.ufpe.br/bitstream/123456789/34472/2/license_rdfe39d27027a6cc9cb039ad269a5db8e34MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-82310https://repositorio.ufpe.br/bitstream/123456789/34472/3/license.txtbd573a5ca8288eb7272482765f819534MD53TEXTDISSERTAÇÃO Victor Afonso dos Santos Ferreira.pdf.txtDISSERTAÇÃO Victor Afonso dos Santos Ferreira.pdf.txtExtracted texttext/plain163742https://repositorio.ufpe.br/bitstream/123456789/34472/4/DISSERTA%c3%87%c3%83O%20Victor%20Afonso%20dos%20Santos%20Ferreira.pdf.txt3946b476518fcb0757b1ef9e1e8eee6fMD54123456789/344722019-10-26 04:06:04.037oai:repositorio.ufpe.br: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ório InstitucionalPUBhttps://repositorio.ufpe.br/oai/requestattena@ufpe.bropendoar:22212019-10-26T07:06:04Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)false |
dc.title.pt_BR.fl_str_mv |
Um modelo de recomendação de recursos educacionais baseado em aprendizagem de máquina para autorregulação da aprendizagem |
title |
Um modelo de recomendação de recursos educacionais baseado em aprendizagem de máquina para autorregulação da aprendizagem |
spellingShingle |
Um modelo de recomendação de recursos educacionais baseado em aprendizagem de máquina para autorregulação da aprendizagem FERREIRA, Victor Afonso dos Santos Inteligência artificial Aprendizagem de máquina Mineração de dados |
title_short |
Um modelo de recomendação de recursos educacionais baseado em aprendizagem de máquina para autorregulação da aprendizagem |
title_full |
Um modelo de recomendação de recursos educacionais baseado em aprendizagem de máquina para autorregulação da aprendizagem |
title_fullStr |
Um modelo de recomendação de recursos educacionais baseado em aprendizagem de máquina para autorregulação da aprendizagem |
title_full_unstemmed |
Um modelo de recomendação de recursos educacionais baseado em aprendizagem de máquina para autorregulação da aprendizagem |
title_sort |
Um modelo de recomendação de recursos educacionais baseado em aprendizagem de máquina para autorregulação da aprendizagem |
author |
FERREIRA, Victor Afonso dos Santos |
author_facet |
FERREIRA, Victor Afonso dos Santos |
author_role |
author |
dc.contributor.authorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/5547501359616306 |
dc.contributor.advisorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/5943634209341438 |
dc.contributor.author.fl_str_mv |
FERREIRA, Victor Afonso dos Santos |
dc.contributor.advisor1.fl_str_mv |
VASCONCELOS, Germano Crispim |
contributor_str_mv |
VASCONCELOS, Germano Crispim |
dc.subject.por.fl_str_mv |
Inteligência artificial Aprendizagem de máquina Mineração de dados |
topic |
Inteligência artificial Aprendizagem de máquina Mineração de dados |
description |
O aumento da educação à distância no Brasil tem estimulado o desenvolvimento de soluções para redução da evasão nos cursos e melhoria de desempenho dos estudantes. Dados gerados de interações em ambientes virtuais de aprendizagem (AVA) têm sido analisados na busca por padrões que auxiliem no acompanhamento da aprendizagem. AVAs têm sido aprimorados considerando peculiaridades existentes no perfil dos estudantes, para indicação de atividades e/ou estratégias de aprendizagem que melhorem seu desempenho. Neste contexto, este trabalho investiga e desenvolve uma solução de recomendação de atividades de aprendizagem baseada em padrões de autorregulação em AVAs, fundamentada em algoritmos de aprendizagem de máquina e mineração de dados. Para tal, um mapeamento sistemático de literatura foi realizado, possibilitando identificar tendências e lacunas de pesquisa na área. A partir de tais achados, foi construída uma solução em software de recomendação de recursos educacionais que possibilita (1) analisar o desempenho dos estudantes a partir de uma pontuação; (2) extrair características comportamentais associadas à autorregulação que influenciam no desempenho; e (3) recomendar ações que promovam a melhoria do desempenho. Experimentos realizados com uma base real de uma universidade brasileira com mais de 30.000 estudantes, e várias métricas de desempenho (AUROC, Precisison, Recall, F-measure, Kappa), indicam que a solução foi capaz de capturar o perfil de aprendizagem com performance superior a 0,89 (AUROC). Além disso, foi possível extrair características comportamentais com performance superior a 0,88 (AUROC) e elaborar um conjunto de recomendações para melhoria da aprendizagem do estudante, a exemplo de textos e/ou vídeos relacionados aos fóruns onde o estudante não interagiu, incentivando sua participação nessas discussões. |
publishDate |
2018 |
dc.date.issued.fl_str_mv |
2018-02-28 |
dc.date.accessioned.fl_str_mv |
2019-10-10T22:19:14Z |
dc.date.available.fl_str_mv |
2019-10-10T22:19:14Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufpe.br/handle/123456789/34472 |
url |
https://repositorio.ufpe.br/handle/123456789/34472 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nc-nd/3.0/br/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nc-nd/3.0/br/ |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Pernambuco |
dc.publisher.program.fl_str_mv |
Programa de Pos Graduacao em Ciencia da Computacao |
dc.publisher.initials.fl_str_mv |
UFPE |
dc.publisher.country.fl_str_mv |
Brasil |
publisher.none.fl_str_mv |
Universidade Federal de Pernambuco |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFPE instname:Universidade Federal de Pernambuco (UFPE) instacron:UFPE |
instname_str |
Universidade Federal de Pernambuco (UFPE) |
instacron_str |
UFPE |
institution |
UFPE |
reponame_str |
Repositório Institucional da UFPE |
collection |
Repositório Institucional da UFPE |
bitstream.url.fl_str_mv |
https://repositorio.ufpe.br/bitstream/123456789/34472/5/DISSERTA%c3%87%c3%83O%20Victor%20Afonso%20dos%20Santos%20Ferreira.pdf.jpg https://repositorio.ufpe.br/bitstream/123456789/34472/1/DISSERTA%c3%87%c3%83O%20Victor%20Afonso%20dos%20Santos%20Ferreira.pdf https://repositorio.ufpe.br/bitstream/123456789/34472/2/license_rdf https://repositorio.ufpe.br/bitstream/123456789/34472/3/license.txt https://repositorio.ufpe.br/bitstream/123456789/34472/4/DISSERTA%c3%87%c3%83O%20Victor%20Afonso%20dos%20Santos%20Ferreira.pdf.txt |
bitstream.checksum.fl_str_mv |
3d69bd350ffd0b6f33fd012332bb80c6 d480ad21b97c176869ad27d2a08f471a e39d27027a6cc9cb039ad269a5db8e34 bd573a5ca8288eb7272482765f819534 3946b476518fcb0757b1ef9e1e8eee6f |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE) |
repository.mail.fl_str_mv |
attena@ufpe.br |
_version_ |
1802310688967753728 |