Magister - Metodologia de análise de programas de educação à distância baseada em Learning Analytics

Detalhes bibliográficos
Autor(a) principal: Lacerda, Ivan Max Freire de
Data de Publicação: 2018
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da UFRN
Texto Completo: https://repositorio.ufrn.br/jspui/handle/123456789/25609
Resumo: O crescente aumento dos dados registrados em cursos ofertados na modalidade a distância proporciona a utilização de métodos computacionais adaptados a pesquisa e agrupamento de dados educacionais, visando a descoberta de comportamentos de aprendizado. Essa área de pesquisa possibilita o desenvolvimento de ferramentas automatizadas de acompanhamento, predição e intervenção visando o aprimoramento dos índices educacionais. Em virtude disso, este trabalho propõe uma metodologia para a análise de programas de ensino a distância com base na tecnologia Learning Analytics, utilizando os dados de acesso dos alunos ao Ambiente Virtual de Aprendizagem (AVA), identificando os padrões sequenciais de uso mais frequentes e classificando-os de acordo com as categorias de aprendizagem autorregulada. Para a mineração sequencial de dados sequenciais os algoritmos SPAM e VGEN foram aplicados aos bancos de dados de duas instituições educacionais. Além do desenvolvimento da metodologia, como resultado desse processamento, uma grande incidência de um comportamento não previsto pela teoria da aprendizagem autorregulada foi identificado, e para classifica-lo foi criado um padrão chamado baixa participação.
id UFRN_0045f6199045d8543a828ee00c6fdc8e
oai_identifier_str oai:https://repositorio.ufrn.br:123456789/25609
network_acronym_str UFRN
network_name_str Repositório Institucional da UFRN
repository_id_str
spelling Lacerda, Ivan Max Freire deBurlamaqui, Aquiles Medeiros FilgueiraBurlamaqui, Akynara Aglae Rodrigues Santos da SilvaOliveira, Eloiza da Silva GomesMendes Neto, Francisco MiltonValentim, Ricardo Alexsandro de Medeiros2018-07-26T19:49:52Z2018-07-26T19:49:52Z2018-03-02LACERDA, Ivan Max Freire de. Magister - Metodologia de análise de programas de educação à distância baseada em Learning Analytics. 2018. 41f. Tese (Doutorado em Engenharia Elétrica e de Computação) - Centro de Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2018.https://repositorio.ufrn.br/jspui/handle/123456789/25609O crescente aumento dos dados registrados em cursos ofertados na modalidade a distância proporciona a utilização de métodos computacionais adaptados a pesquisa e agrupamento de dados educacionais, visando a descoberta de comportamentos de aprendizado. Essa área de pesquisa possibilita o desenvolvimento de ferramentas automatizadas de acompanhamento, predição e intervenção visando o aprimoramento dos índices educacionais. Em virtude disso, este trabalho propõe uma metodologia para a análise de programas de ensino a distância com base na tecnologia Learning Analytics, utilizando os dados de acesso dos alunos ao Ambiente Virtual de Aprendizagem (AVA), identificando os padrões sequenciais de uso mais frequentes e classificando-os de acordo com as categorias de aprendizagem autorregulada. Para a mineração sequencial de dados sequenciais os algoritmos SPAM e VGEN foram aplicados aos bancos de dados de duas instituições educacionais. Além do desenvolvimento da metodologia, como resultado desse processamento, uma grande incidência de um comportamento não previsto pela teoria da aprendizagem autorregulada foi identificado, e para classifica-lo foi criado um padrão chamado baixa participação.The increasing of the data registered in courses offered in the distance modality boost the use of computational methods adapted to the research and the grouping of educational data, aiming to discover learning behaviors patterns. This research area allows the development of automated monitoring, prediction and intervention tools aiming at improving the educational indexes. As a result, this work proposes a methodology for analyzing distance learning programs based on the Learning Analytics technology, using the students’ access data to the Learning Management System (LMS), identifying the most frequent sequential patterns of use and classifying them as according to the self-regulated learning categories. For a sequential mining of sequential data the SPAM and VGEN algorithms were applied to the databases of two educational institutions. In addition to the development of the methodology, as a result of processing, a high incidence of behavior not predicted in the self-regulated learning theory was identified, and to classify it was created a pattern called low participation.porCNPQ::ENGENHARIAS::ENGENHARIA ELETRICAAprendizagem autorreguladaEnsino a distânciaAmbiente virtual de aprendizagemMineração de dados educacionaisLearning analyticsMagister - Metodologia de análise de programas de educação à distância baseada em Learning Analyticsinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisPROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA E DE COMPUTAÇÃOUFRNBrasilinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRNinstname:Universidade Federal do Rio Grande do Norte (UFRN)instacron:UFRNTEXTIvanMaxFreireDeLacerda_TESE.pdf.txtIvanMaxFreireDeLacerda_TESE.pdf.txtExtracted texttext/plain55143https://repositorio.ufrn.br/bitstream/123456789/25609/2/IvanMaxFreireDeLacerda_TESE.pdf.txt0798952d32cd42af0506213f88aceb1cMD52THUMBNAILIvanMaxFreireDeLacerda_TESE.pdf.jpgIvanMaxFreireDeLacerda_TESE.pdf.jpgIM Thumbnailimage/jpeg4031https://repositorio.ufrn.br/bitstream/123456789/25609/3/IvanMaxFreireDeLacerda_TESE.pdf.jpga7ec2328359099fab07dbb5278a18edcMD53ORIGINALIvanMaxFreireDeLacerda_TESE.pdfapplication/pdf3236688https://repositorio.ufrn.br/bitstream/123456789/25609/1/IvanMaxFreireDeLacerda_TESE.pdff8269c0c3bdbd5a0b84b45f9f4181c93MD51123456789/256092019-01-30 08:56:31.769oai:https://repositorio.ufrn.br:123456789/25609Repositório de PublicaçõesPUBhttp://repositorio.ufrn.br/oai/opendoar:2019-01-30T11:56:31Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)false
dc.title.pt_BR.fl_str_mv Magister - Metodologia de análise de programas de educação à distância baseada em Learning Analytics
title Magister - Metodologia de análise de programas de educação à distância baseada em Learning Analytics
spellingShingle Magister - Metodologia de análise de programas de educação à distância baseada em Learning Analytics
Lacerda, Ivan Max Freire de
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Aprendizagem autorregulada
Ensino a distância
Ambiente virtual de aprendizagem
Mineração de dados educacionais
Learning analytics
title_short Magister - Metodologia de análise de programas de educação à distância baseada em Learning Analytics
title_full Magister - Metodologia de análise de programas de educação à distância baseada em Learning Analytics
title_fullStr Magister - Metodologia de análise de programas de educação à distância baseada em Learning Analytics
title_full_unstemmed Magister - Metodologia de análise de programas de educação à distância baseada em Learning Analytics
title_sort Magister - Metodologia de análise de programas de educação à distância baseada em Learning Analytics
author Lacerda, Ivan Max Freire de
author_facet Lacerda, Ivan Max Freire de
author_role author
dc.contributor.authorID.pt_BR.fl_str_mv
dc.contributor.advisorID.pt_BR.fl_str_mv
dc.contributor.referees1.none.fl_str_mv Burlamaqui, Aquiles Medeiros Filgueira
dc.contributor.referees1ID.pt_BR.fl_str_mv
dc.contributor.referees2.none.fl_str_mv Burlamaqui, Akynara Aglae Rodrigues Santos da Silva
dc.contributor.referees2ID.pt_BR.fl_str_mv
dc.contributor.referees3.none.fl_str_mv Oliveira, Eloiza da Silva Gomes
dc.contributor.referees3ID.pt_BR.fl_str_mv
dc.contributor.referees4.none.fl_str_mv Mendes Neto, Francisco Milton
dc.contributor.referees4ID.pt_BR.fl_str_mv
dc.contributor.author.fl_str_mv Lacerda, Ivan Max Freire de
dc.contributor.advisor1.fl_str_mv Valentim, Ricardo Alexsandro de Medeiros
contributor_str_mv Valentim, Ricardo Alexsandro de Medeiros
dc.subject.cnpq.fl_str_mv CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
topic CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Aprendizagem autorregulada
Ensino a distância
Ambiente virtual de aprendizagem
Mineração de dados educacionais
Learning analytics
dc.subject.por.fl_str_mv Aprendizagem autorregulada
Ensino a distância
Ambiente virtual de aprendizagem
Mineração de dados educacionais
Learning analytics
description O crescente aumento dos dados registrados em cursos ofertados na modalidade a distância proporciona a utilização de métodos computacionais adaptados a pesquisa e agrupamento de dados educacionais, visando a descoberta de comportamentos de aprendizado. Essa área de pesquisa possibilita o desenvolvimento de ferramentas automatizadas de acompanhamento, predição e intervenção visando o aprimoramento dos índices educacionais. Em virtude disso, este trabalho propõe uma metodologia para a análise de programas de ensino a distância com base na tecnologia Learning Analytics, utilizando os dados de acesso dos alunos ao Ambiente Virtual de Aprendizagem (AVA), identificando os padrões sequenciais de uso mais frequentes e classificando-os de acordo com as categorias de aprendizagem autorregulada. Para a mineração sequencial de dados sequenciais os algoritmos SPAM e VGEN foram aplicados aos bancos de dados de duas instituições educacionais. Além do desenvolvimento da metodologia, como resultado desse processamento, uma grande incidência de um comportamento não previsto pela teoria da aprendizagem autorregulada foi identificado, e para classifica-lo foi criado um padrão chamado baixa participação.
publishDate 2018
dc.date.accessioned.fl_str_mv 2018-07-26T19:49:52Z
dc.date.available.fl_str_mv 2018-07-26T19:49:52Z
dc.date.issued.fl_str_mv 2018-03-02
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv LACERDA, Ivan Max Freire de. Magister - Metodologia de análise de programas de educação à distância baseada em Learning Analytics. 2018. 41f. Tese (Doutorado em Engenharia Elétrica e de Computação) - Centro de Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2018.
dc.identifier.uri.fl_str_mv https://repositorio.ufrn.br/jspui/handle/123456789/25609
identifier_str_mv LACERDA, Ivan Max Freire de. Magister - Metodologia de análise de programas de educação à distância baseada em Learning Analytics. 2018. 41f. Tese (Doutorado em Engenharia Elétrica e de Computação) - Centro de Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2018.
url https://repositorio.ufrn.br/jspui/handle/123456789/25609
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.program.fl_str_mv PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA E DE COMPUTAÇÃO
dc.publisher.initials.fl_str_mv UFRN
dc.publisher.country.fl_str_mv Brasil
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFRN
instname:Universidade Federal do Rio Grande do Norte (UFRN)
instacron:UFRN
instname_str Universidade Federal do Rio Grande do Norte (UFRN)
instacron_str UFRN
institution UFRN
reponame_str Repositório Institucional da UFRN
collection Repositório Institucional da UFRN
bitstream.url.fl_str_mv https://repositorio.ufrn.br/bitstream/123456789/25609/2/IvanMaxFreireDeLacerda_TESE.pdf.txt
https://repositorio.ufrn.br/bitstream/123456789/25609/3/IvanMaxFreireDeLacerda_TESE.pdf.jpg
https://repositorio.ufrn.br/bitstream/123456789/25609/1/IvanMaxFreireDeLacerda_TESE.pdf
bitstream.checksum.fl_str_mv 0798952d32cd42af0506213f88aceb1c
a7ec2328359099fab07dbb5278a18edc
f8269c0c3bdbd5a0b84b45f9f4181c93
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)
repository.mail.fl_str_mv
_version_ 1802117496387403776

Registros relacionados