Magister - Metodologia de análise de programas de educação à distância baseada em Learning Analytics
Autor(a) principal: | |
---|---|
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 |