Refinamento dos fatores motivacionais e estados de ânimo a partir do uso de mineração de dados educacionais

Detalhes bibliográficos
Autor(a) principal: Barvinski, Carla Adriana
Data de Publicação: 2019
Outros Autores: Ferreira, Gislaine Rossetti Madureira, Akazaki, Jacqueline Mayumi, Machado, Letícia Sophia Rocha, Longhi, Magalí Teresinha, Behar, Patrícia Alejandra, Cazella, Silvio Cesar
Tipo de documento: Artigo
Idioma: por
Título da fonte: Repositório Institucional da UFRGS
Texto Completo: http://hdl.handle.net/10183/221361
Resumo: O presente artigo apresenta uma abordagem de Mineração de Dados Educacionais com o objetivo de identificar padrões de comportamento relacionados aos fatores motivacionais e aos estados de ânimo nas interações de alunos, em um ambiente virtual de aprendizagem. Para investigar esses padrões, aplicou-se o método de clusterização e utilizou-se o algoritmo K-means. Como resultado, obteve-se que a (des)motivação do aluno está diretamente relacionada com seu estado de ânimo, podendo sofrer alterações tanto positivas como negativas mediante o grau expresso nos fatores motivacionais de confiança, esforço e independência.
id UFRGS-2_5f8d8b6236af1f9414c5ceced996ac75
oai_identifier_str oai:www.lume.ufrgs.br:10183/221361
network_acronym_str UFRGS-2
network_name_str Repositório Institucional da UFRGS
repository_id_str
spelling Barvinski, Carla AdrianaFerreira, Gislaine Rossetti MadureiraAkazaki, Jacqueline MayumiMachado, Letícia Sophia RochaLonghi, Magalí TeresinhaBehar, Patrícia AlejandraCazella, Silvio Cesar2021-05-21T04:45:03Z20191679-1916http://hdl.handle.net/10183/221361001126095O presente artigo apresenta uma abordagem de Mineração de Dados Educacionais com o objetivo de identificar padrões de comportamento relacionados aos fatores motivacionais e aos estados de ânimo nas interações de alunos, em um ambiente virtual de aprendizagem. Para investigar esses padrões, aplicou-se o método de clusterização e utilizou-se o algoritmo K-means. Como resultado, obteve-se que a (des)motivação do aluno está diretamente relacionada com seu estado de ânimo, podendo sofrer alterações tanto positivas como negativas mediante o grau expresso nos fatores motivacionais de confiança, esforço e independência.This paper presents an Educational Data Mining approach to identify behavioral patterns related to motivational factors and moods in student interactions in a virtual learning environment. To investigate these patterns, the clustering method was applied and the K-means algorithm was used. As a result, it was found that the (dis) motivation of the student is directly related to their mood, and may undergo both positive and negative changes through the degree expressed in the motivational factors of confidence, effort and independence.application/pdfporRENOTE: Novas Tecnologias na Educação. Vol. 17, n.3 (dez. 2019), p. 214-223Tecnologia educacionalEducational data miningMotivational factorsMoodsRefinamento dos fatores motivacionais e estados de ânimo a partir do uso de mineração de dados educacionaisRefinement of motivational factors and moods using educational data mining info:eu-repo/semantics/articleinfo:eu-repo/semantics/otherinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001126095.pdf.txt001126095.pdf.txtExtracted Texttext/plain31854http://www.lume.ufrgs.br/bitstream/10183/221361/2/001126095.pdf.txtb03402b8be8de6bea3ab64791abe432fMD52ORIGINAL001126095.pdfTexto completoapplication/pdf2750316http://www.lume.ufrgs.br/bitstream/10183/221361/1/001126095.pdff800a082baf08f5b8ba07e394e71854bMD5110183/2213612024-01-27 06:02:20.408206oai:www.lume.ufrgs.br:10183/221361Repositório de PublicaçõesPUBhttps://lume.ufrgs.br/oai/requestopendoar:2024-01-27T08:02:20Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Refinamento dos fatores motivacionais e estados de ânimo a partir do uso de mineração de dados educacionais
dc.title.alternative.en.fl_str_mv Refinement of motivational factors and moods using educational data mining
title Refinamento dos fatores motivacionais e estados de ânimo a partir do uso de mineração de dados educacionais
spellingShingle Refinamento dos fatores motivacionais e estados de ânimo a partir do uso de mineração de dados educacionais
Barvinski, Carla Adriana
Tecnologia educacional
Educational data mining
Motivational factors
Moods
title_short Refinamento dos fatores motivacionais e estados de ânimo a partir do uso de mineração de dados educacionais
title_full Refinamento dos fatores motivacionais e estados de ânimo a partir do uso de mineração de dados educacionais
title_fullStr Refinamento dos fatores motivacionais e estados de ânimo a partir do uso de mineração de dados educacionais
title_full_unstemmed Refinamento dos fatores motivacionais e estados de ânimo a partir do uso de mineração de dados educacionais
title_sort Refinamento dos fatores motivacionais e estados de ânimo a partir do uso de mineração de dados educacionais
author Barvinski, Carla Adriana
author_facet Barvinski, Carla Adriana
Ferreira, Gislaine Rossetti Madureira
Akazaki, Jacqueline Mayumi
Machado, Letícia Sophia Rocha
Longhi, Magalí Teresinha
Behar, Patrícia Alejandra
Cazella, Silvio Cesar
author_role author
author2 Ferreira, Gislaine Rossetti Madureira
Akazaki, Jacqueline Mayumi
Machado, Letícia Sophia Rocha
Longhi, Magalí Teresinha
Behar, Patrícia Alejandra
Cazella, Silvio Cesar
author2_role author
author
author
author
author
author
dc.contributor.author.fl_str_mv Barvinski, Carla Adriana
Ferreira, Gislaine Rossetti Madureira
Akazaki, Jacqueline Mayumi
Machado, Letícia Sophia Rocha
Longhi, Magalí Teresinha
Behar, Patrícia Alejandra
Cazella, Silvio Cesar
dc.subject.por.fl_str_mv Tecnologia educacional
topic Tecnologia educacional
Educational data mining
Motivational factors
Moods
dc.subject.eng.fl_str_mv Educational data mining
Motivational factors
Moods
description O presente artigo apresenta uma abordagem de Mineração de Dados Educacionais com o objetivo de identificar padrões de comportamento relacionados aos fatores motivacionais e aos estados de ânimo nas interações de alunos, em um ambiente virtual de aprendizagem. Para investigar esses padrões, aplicou-se o método de clusterização e utilizou-se o algoritmo K-means. Como resultado, obteve-se que a (des)motivação do aluno está diretamente relacionada com seu estado de ânimo, podendo sofrer alterações tanto positivas como negativas mediante o grau expresso nos fatores motivacionais de confiança, esforço e independência.
publishDate 2019
dc.date.issued.fl_str_mv 2019
dc.date.accessioned.fl_str_mv 2021-05-21T04:45:03Z
dc.type.driver.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/other
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/221361
dc.identifier.issn.pt_BR.fl_str_mv 1679-1916
dc.identifier.nrb.pt_BR.fl_str_mv 001126095
identifier_str_mv 1679-1916
001126095
url http://hdl.handle.net/10183/221361
dc.language.iso.fl_str_mv por
language por
dc.relation.ispartof.pt_BR.fl_str_mv RENOTE: Novas Tecnologias na Educação. Vol. 17, n.3 (dez. 2019), p. 214-223
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Repositório Institucional da UFRGS
collection Repositório Institucional da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/221361/2/001126095.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/221361/1/001126095.pdf
bitstream.checksum.fl_str_mv b03402b8be8de6bea3ab64791abe432f
f800a082baf08f5b8ba07e394e71854b
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv
_version_ 1801225018669006848

Registros relacionados