Learning analytics e avaliações online: uma metodologia orientada a ciência de dados em grafos
Autor(a) principal: | |
---|---|
Data de Publicação: | 2023 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFRN |
Texto Completo: | https://repositorio.ufrn.br/handle/123456789/51948 |
Resumo: | A avaliação é um instrumento importante para corrigir falhas e promover acertos em processos de aprendizagem. É um dos pilares da educação, junto com o currículo e o processo de ensino e aprendizagem. Com a pandemia de COVID-19, a Universidade Federal do Rio Grande do Norte (UFRN) adotou a plataforma Multiprova para suportar a avaliação online. Com a informatização dos processos de avaliação, surge a necessidade de usar técnicas de Learning Analytics (LA) e ciência de dados em grafos para entender o comportamento dos estudantes e identificar perfis de alunos a partir de registros de resoluções de avaliações online. Ao analisar a literatura, existe a necessidade de transformar modelos interpretáveis na educação. Para isso, técnicas de visualização de dados e eXplainable Artificial Intelligence (XAI) precisam ser consideradas. A hipótese proposta é de que é possível usar esses dados para obter insights sobre o processo de aprendizagem e perfis de estudantes usando técnicas de LA, como modelagem de grafos e Machine Learning (ML). Para tanto, é apresentado o quadro de fundamentação teórica acerca dos temas que compõem o objeto de estudo, como grafos, LA e avaliações online. Dentre os resultados, uma revisão sistemática da literatura apontou 40 trabalhos envolvendo LA e avaliações online, porém, nenhum trabalho utilizou métricas grafos com técnicas de LA, como ML para analisar o desempenho dos estudantes. Além disso, dois estudos de caso foram modelados segundo a proposta de metodologia orientada a ciência de dados em grafos, com cerca de 78,75% das features de grafo explicando os modelos de ML utilizados. Percebemos a importância do uso de features de grafos em técnicas de LA na identificação de insights sobre a aprendizagem dos estudante considerando a sua jornada na avaliação online, assim como uso de métricas de grafos e XAI para a interpretação dos resultados. |
id |
UFRN_6b295e845c4d28f6b9ab729d15096c9c |
---|---|
oai_identifier_str |
oai:https://repositorio.ufrn.br:123456789/51948 |
network_acronym_str |
UFRN |
network_name_str |
Repositório Institucional da UFRN |
repository_id_str |
|
spelling |
Melo, Elvis Medeiros dehttp://lattes.cnpq.br/3022328816415300https://orcid.org/0000-0002-0116-6489http://lattes.cnpq.br/3608440944832201Ramalho, Betânia Leitehttp://lattes.cnpq.br/1326690619078211Costa, Daniel GouveiaOliveira, Luiz Affonso Henderson Guedes deFerreira Filho, Raymundo Carlos MachadoSilva, Ivanovitch Medeiros Dantas da2023-03-24T19:02:15Z2023-03-24T19:02:15Z2023-01-24MELO, Elvis Medeiros de. Learning analytics e avaliações online: uma metodologia orientada a ciência de dados em grafos. Orientador: Ivanovitch Medeiros Dantas da Silva. 2023. 168f. Tese (Doutorado em Engenharia Elétrica e de Computação) - Centro de Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2023.https://repositorio.ufrn.br/handle/123456789/51948A avaliação é um instrumento importante para corrigir falhas e promover acertos em processos de aprendizagem. É um dos pilares da educação, junto com o currículo e o processo de ensino e aprendizagem. Com a pandemia de COVID-19, a Universidade Federal do Rio Grande do Norte (UFRN) adotou a plataforma Multiprova para suportar a avaliação online. Com a informatização dos processos de avaliação, surge a necessidade de usar técnicas de Learning Analytics (LA) e ciência de dados em grafos para entender o comportamento dos estudantes e identificar perfis de alunos a partir de registros de resoluções de avaliações online. Ao analisar a literatura, existe a necessidade de transformar modelos interpretáveis na educação. Para isso, técnicas de visualização de dados e eXplainable Artificial Intelligence (XAI) precisam ser consideradas. A hipótese proposta é de que é possível usar esses dados para obter insights sobre o processo de aprendizagem e perfis de estudantes usando técnicas de LA, como modelagem de grafos e Machine Learning (ML). Para tanto, é apresentado o quadro de fundamentação teórica acerca dos temas que compõem o objeto de estudo, como grafos, LA e avaliações online. Dentre os resultados, uma revisão sistemática da literatura apontou 40 trabalhos envolvendo LA e avaliações online, porém, nenhum trabalho utilizou métricas grafos com técnicas de LA, como ML para analisar o desempenho dos estudantes. Além disso, dois estudos de caso foram modelados segundo a proposta de metodologia orientada a ciência de dados em grafos, com cerca de 78,75% das features de grafo explicando os modelos de ML utilizados. Percebemos a importância do uso de features de grafos em técnicas de LA na identificação de insights sobre a aprendizagem dos estudante considerando a sua jornada na avaliação online, assim como uso de métricas de grafos e XAI para a interpretação dos resultados.Evaluation is an important tool to correct failures and promote successes in learning processes. It is one of the pillars of education, along with the curriculum and the teaching and learning process. With the pandemic of COVID-19, the Federal University of Rio Grande do Norte (UFRN) has adopted the Multiprova platform to support online assessment. With the computerization of assessment processes comes the need to use Learning Analytics (LA) and graph data science techniques to understand student behavior and identify student profiles from online assessment resolution records. When analyzing the literature, there is a need to transform interpretable models into education. For this, data visualization techniques and eXplainable Artificial Intelligence (XAI) need to be considered. The proposed hypothesis is that it is possible to use this data to gain insights into the learning process and student profiles using LA techniques such as graph modeling and Machine Learning (ML). To this end, the theoretical framework is presented about the topics that make up the object of study, such as graphs, LA, and online evaluations. Among the results, a systematic literature review pointed to 40 papers involving LA and online assessments, but no papers used graph metrics with LA techniques such as ML to analyze student performance. In addition, two case studies were modeled according to the proposed graph data science oriented methodology, with about 78.75% of the graph features explaining the ML models used. We see the importance of using graph features in LA techniques in identifying insights about student learning considering their journey in online evaluation, as well as using graph metrics and XAI for the interpretation of the results.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPESUniversidade Federal do Rio Grande do NortePROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA E DE COMPUTAÇÃOUFRNBrasilCNPQ::ENGENHARIAS::ENGENHARIA ELETRICALearning analyticsCiência de dados em grafosGrafosAvaliação onlineMachine learningeXplainable artificial intelligenceLearning analytics e avaliações online: uma metodologia orientada a ciência de dados em grafosinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFRNinstname:Universidade Federal do Rio Grande do Norte (UFRN)instacron:UFRNORIGINALLearninganalyticsavaliacoes_Melo_2023.pdfapplication/pdf9709475https://repositorio.ufrn.br/bitstream/123456789/51948/1/Learninganalyticsavaliacoes_Melo_2023.pdf934fb8fb12448c972726753f91389612MD51123456789/519482023-03-24 16:03:00.264oai:https://repositorio.ufrn.br:123456789/51948Repositório de PublicaçõesPUBhttp://repositorio.ufrn.br/oai/opendoar:2023-03-24T19:03Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)false |
dc.title.pt_BR.fl_str_mv |
Learning analytics e avaliações online: uma metodologia orientada a ciência de dados em grafos |
title |
Learning analytics e avaliações online: uma metodologia orientada a ciência de dados em grafos |
spellingShingle |
Learning analytics e avaliações online: uma metodologia orientada a ciência de dados em grafos Melo, Elvis Medeiros de CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA Learning analytics Ciência de dados em grafos Grafos Avaliação online Machine learning eXplainable artificial intelligence |
title_short |
Learning analytics e avaliações online: uma metodologia orientada a ciência de dados em grafos |
title_full |
Learning analytics e avaliações online: uma metodologia orientada a ciência de dados em grafos |
title_fullStr |
Learning analytics e avaliações online: uma metodologia orientada a ciência de dados em grafos |
title_full_unstemmed |
Learning analytics e avaliações online: uma metodologia orientada a ciência de dados em grafos |
title_sort |
Learning analytics e avaliações online: uma metodologia orientada a ciência de dados em grafos |
author |
Melo, Elvis Medeiros de |
author_facet |
Melo, Elvis Medeiros de |
author_role |
author |
dc.contributor.authorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/3022328816415300 |
dc.contributor.advisorID.pt_BR.fl_str_mv |
https://orcid.org/0000-0002-0116-6489 |
dc.contributor.advisorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/3608440944832201 |
dc.contributor.referees1.none.fl_str_mv |
Ramalho, Betânia Leite |
dc.contributor.referees1Lattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/1326690619078211 |
dc.contributor.referees2.none.fl_str_mv |
Costa, Daniel Gouveia |
dc.contributor.referees3.none.fl_str_mv |
Oliveira, Luiz Affonso Henderson Guedes de |
dc.contributor.referees4.none.fl_str_mv |
Ferreira Filho, Raymundo Carlos Machado |
dc.contributor.author.fl_str_mv |
Melo, Elvis Medeiros de |
dc.contributor.advisor1.fl_str_mv |
Silva, Ivanovitch Medeiros Dantas da |
contributor_str_mv |
Silva, Ivanovitch Medeiros Dantas da |
dc.subject.cnpq.fl_str_mv |
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA |
topic |
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA Learning analytics Ciência de dados em grafos Grafos Avaliação online Machine learning eXplainable artificial intelligence |
dc.subject.por.fl_str_mv |
Learning analytics Ciência de dados em grafos Grafos Avaliação online Machine learning eXplainable artificial intelligence |
description |
A avaliação é um instrumento importante para corrigir falhas e promover acertos em processos de aprendizagem. É um dos pilares da educação, junto com o currículo e o processo de ensino e aprendizagem. Com a pandemia de COVID-19, a Universidade Federal do Rio Grande do Norte (UFRN) adotou a plataforma Multiprova para suportar a avaliação online. Com a informatização dos processos de avaliação, surge a necessidade de usar técnicas de Learning Analytics (LA) e ciência de dados em grafos para entender o comportamento dos estudantes e identificar perfis de alunos a partir de registros de resoluções de avaliações online. Ao analisar a literatura, existe a necessidade de transformar modelos interpretáveis na educação. Para isso, técnicas de visualização de dados e eXplainable Artificial Intelligence (XAI) precisam ser consideradas. A hipótese proposta é de que é possível usar esses dados para obter insights sobre o processo de aprendizagem e perfis de estudantes usando técnicas de LA, como modelagem de grafos e Machine Learning (ML). Para tanto, é apresentado o quadro de fundamentação teórica acerca dos temas que compõem o objeto de estudo, como grafos, LA e avaliações online. Dentre os resultados, uma revisão sistemática da literatura apontou 40 trabalhos envolvendo LA e avaliações online, porém, nenhum trabalho utilizou métricas grafos com técnicas de LA, como ML para analisar o desempenho dos estudantes. Além disso, dois estudos de caso foram modelados segundo a proposta de metodologia orientada a ciência de dados em grafos, com cerca de 78,75% das features de grafo explicando os modelos de ML utilizados. Percebemos a importância do uso de features de grafos em técnicas de LA na identificação de insights sobre a aprendizagem dos estudante considerando a sua jornada na avaliação online, assim como uso de métricas de grafos e XAI para a interpretação dos resultados. |
publishDate |
2023 |
dc.date.accessioned.fl_str_mv |
2023-03-24T19:02:15Z |
dc.date.available.fl_str_mv |
2023-03-24T19:02:15Z |
dc.date.issued.fl_str_mv |
2023-01-24 |
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 |
MELO, Elvis Medeiros de. Learning analytics e avaliações online: uma metodologia orientada a ciência de dados em grafos. Orientador: Ivanovitch Medeiros Dantas da Silva. 2023. 168f. Tese (Doutorado em Engenharia Elétrica e de Computação) - Centro de Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2023. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufrn.br/handle/123456789/51948 |
identifier_str_mv |
MELO, Elvis Medeiros de. Learning analytics e avaliações online: uma metodologia orientada a ciência de dados em grafos. Orientador: Ivanovitch Medeiros Dantas da Silva. 2023. 168f. Tese (Doutorado em Engenharia Elétrica e de Computação) - Centro de Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2023. |
url |
https://repositorio.ufrn.br/handle/123456789/51948 |
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.none.fl_str_mv |
Universidade Federal do Rio Grande do Norte |
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 |
publisher.none.fl_str_mv |
Universidade Federal do Rio Grande do Norte |
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/123456789/51948/1/Learninganalyticsavaliacoes_Melo_2023.pdf |
bitstream.checksum.fl_str_mv |
934fb8fb12448c972726753f91389612 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN) |
repository.mail.fl_str_mv |
|
_version_ |
1802117599874514944 |