Big data e educação matemática : algumas aproximações

Detalhes bibliográficos
Autor(a) principal: Gayeski, Rose Grochot
Data de Publicação: 2019
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da UFRGS
Texto Completo: http://hdl.handle.net/10183/196412
Resumo: A presente dissertação tem por objetivo investigar as potencialidades educacionais da relação entre Modelagem Matemática e Literacia Digital, por meio dos recursos do Big Data em específico do Google Correlate e Google Trends, na construção do conhecimento matemático. Como pergunta diretriz, assumimos o seguinte questionamento: Como se mostram as potencialidades educacionais do Big Data associado à Modelagem Matemática? Em consequência do questionamento assumimos uma abordagem qualitativa. Na busca por respostas a temática pesquisada, embasamo-nos principalmente, nas ideias de: Modelagem Matemática de Dalla Vecchia (2012) e Soares (2015); Literacia Digital de Jenkins et al. (2009); Big Data de Dalla Vecchia (2015) e Santos e Lemes (2014); e Narrativas digitais de Murray (2003), Dalcin (2018), Benjamin (1994), Larrosa (2002), Clandinin e Connely (2011). Procuramos identificar por meio dos modelos matemáticos construídos com o Google Correlate as habilidades de jogabilidade, performance, simulação, apropriação, multitarefa, distribuição cognitiva, inteligência coletiva, julgamento, navegação transmídia, networking e a negociação que levam a Literacia Digital. A produção de dados ocorreu por meio de tarefas desenvolvidas nos recursos do Big Data em seis encontros, durante as aulas de matemática, com duração de dois períodos cada. Os participantes da pesquisa foram alunos do primeiro ano do Ensino Médio. Os dados principais foram obtidos por meio da captação de vídeo (tela do computador) e áudio (fala dos alunos) utilizando o software Camtasia e por vídeos feitos durante as apresentações finais realizadas pelos estudantes. Os vídeos foram analisados e transcritos em partes constituindo excertos baseados nas ações e discussões feitas pelos alunos durante a realização das tarefas. A análise desses dados foi realizada à luz do referencial teórico e foi dividida em quatro categorias. Na primeira categoria analisada, evidenciaram-se as habilidades de Distribuição Cognitiva, a Multitarefa, a Navegação Transmídia, a Simulação, a Apropriação, o Julgamento, o Networking e a Inteligência Coletiva, as quais podem ter levado os estudantes ao desenvolvimento da Literacia Digital, de acordo com Jenkins et al. (2009). A segunda categoria analisada foram as narrativas digitais, fruto do processo de Modelagem Matemática desenvolvido. Ressaltamos que as tecnologias e a produção de informações se mostraram essenciais na criação das narrativas, havendo indícios de experiências vivenciadas com a realidade do mundo cibernético. Baseados em Murray (2003), entendemos que se trata de narrativas digitais, caracterizadas por aspectos associados ao hibridismo e ao multiautoral. A última categoria analisada foi a Modelagem Matemática, a qual apresentou um processo de 6 encaminhamento particular, partindo do Modelo e, a posteriori, buscando relações reais dadas pelos recursos de Big Data utilizados.
id URGS_34a9de6bd6a76fb9536a7e59139fd3c6
oai_identifier_str oai:www.lume.ufrgs.br:10183/196412
network_acronym_str URGS
network_name_str Biblioteca Digital de Teses e Dissertações da UFRGS
repository_id_str 1853
spelling Gayeski, Rose GrochotDalla Vecchia, Rodrigo2019-06-29T02:36:41Z2019http://hdl.handle.net/10183/196412001096348A presente dissertação tem por objetivo investigar as potencialidades educacionais da relação entre Modelagem Matemática e Literacia Digital, por meio dos recursos do Big Data em específico do Google Correlate e Google Trends, na construção do conhecimento matemático. Como pergunta diretriz, assumimos o seguinte questionamento: Como se mostram as potencialidades educacionais do Big Data associado à Modelagem Matemática? Em consequência do questionamento assumimos uma abordagem qualitativa. Na busca por respostas a temática pesquisada, embasamo-nos principalmente, nas ideias de: Modelagem Matemática de Dalla Vecchia (2012) e Soares (2015); Literacia Digital de Jenkins et al. (2009); Big Data de Dalla Vecchia (2015) e Santos e Lemes (2014); e Narrativas digitais de Murray (2003), Dalcin (2018), Benjamin (1994), Larrosa (2002), Clandinin e Connely (2011). Procuramos identificar por meio dos modelos matemáticos construídos com o Google Correlate as habilidades de jogabilidade, performance, simulação, apropriação, multitarefa, distribuição cognitiva, inteligência coletiva, julgamento, navegação transmídia, networking e a negociação que levam a Literacia Digital. A produção de dados ocorreu por meio de tarefas desenvolvidas nos recursos do Big Data em seis encontros, durante as aulas de matemática, com duração de dois períodos cada. Os participantes da pesquisa foram alunos do primeiro ano do Ensino Médio. Os dados principais foram obtidos por meio da captação de vídeo (tela do computador) e áudio (fala dos alunos) utilizando o software Camtasia e por vídeos feitos durante as apresentações finais realizadas pelos estudantes. Os vídeos foram analisados e transcritos em partes constituindo excertos baseados nas ações e discussões feitas pelos alunos durante a realização das tarefas. A análise desses dados foi realizada à luz do referencial teórico e foi dividida em quatro categorias. Na primeira categoria analisada, evidenciaram-se as habilidades de Distribuição Cognitiva, a Multitarefa, a Navegação Transmídia, a Simulação, a Apropriação, o Julgamento, o Networking e a Inteligência Coletiva, as quais podem ter levado os estudantes ao desenvolvimento da Literacia Digital, de acordo com Jenkins et al. (2009). A segunda categoria analisada foram as narrativas digitais, fruto do processo de Modelagem Matemática desenvolvido. Ressaltamos que as tecnologias e a produção de informações se mostraram essenciais na criação das narrativas, havendo indícios de experiências vivenciadas com a realidade do mundo cibernético. Baseados em Murray (2003), entendemos que se trata de narrativas digitais, caracterizadas por aspectos associados ao hibridismo e ao multiautoral. A última categoria analisada foi a Modelagem Matemática, a qual apresentou um processo de 6 encaminhamento particular, partindo do Modelo e, a posteriori, buscando relações reais dadas pelos recursos de Big Data utilizados.The present dissertation aims to investigate the educational potential of the relationship between Mathematical Modeling and Digital Literacy, through the resources of Big Data in specific Google Correlate and Google Trends, in the construction of mathematical knowledge. As a guiding question, we assume the following question: How do we show the educational potential of Big Data associated to Mathematical Modeling? As a result of the questioning we take a qualitative approach. In the search for answers to the researched subject, we are based mainly on the ideas of: Mathematical Modeling by Dalla Vecchia (2012) and Soares (2015); Digital Literacy by Jenkins et al. (2009); Big Data by Dalla Vecchia (2015) and Santos and Lemes (2014); and Digital Narratives of Murray (2003), Dalcin (2018), Benjamin (1994), Larrosa (2002), Clandinin and Connely (2011). We try to identify through the mathematical models built with Google Correlate the abilities of gameplay, performance, simulation, appropriation, multitasking, cognitive distribution, collective intelligence, judgment, navigation, transmigration, networking and negotiation that lead to Digital Literacy. The data production occurred through tasks developed in the resources of the Big Data in six meetings, during the classes of mathematics, with duration of two periods each. Participants in the survey were first year students in high school. The main data were obtained through the capture of video (computer screen) and audio (students' speech) using the Camtasia software and videos made during the final presentations made by the students. The videos were analyzed and transcribed in parts constituting excerpts based on the actions and discussions made by the students during the accomplishment of the tasks. The analysis of these data was carried out in the light of the theoretical reference and was divided into four categories. In the first category analyzed, the abilities of Cognitive Distribution, Multitasking, Transmission Navigation, Simulation, Appropriation, Judgment, Networking and Collective Intelligence were evidenced, which may have led the students to the development of Digital Literacy, according to Jenkins et al. (2009). The second category analyzed were the digital narratives, the result of the Mathematical Modeling process developed. We emphasize that the technologies and the production of information have been essential in the creation of the narratives, and there are indications of experiences lived with the reality of the cyber world. Based on Murray (2003), we understand that these are digital narratives, characterized by hybridism and multi-authorial aspects. The last category analyzed was Mathematical Modeling, which presented a particular routing 8 process, starting from the Model and, a posteriori, searching for real relations given by the Big Data resources used.application/pdfporModelagem matemáticaBig dataNarrativa digitalMídias digitaisBig data e educação matemática : algumas aproximaçõesinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal do Rio Grande do SulInstituto de Matemática e EstatísticaPrograma de Pós-Graduação em Ensino de MatemáticaPorto Alegre, BR-RS2019mestradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001096348.pdf.txt001096348.pdf.txtExtracted Texttext/plain263519http://www.lume.ufrgs.br/bitstream/10183/196412/2/001096348.pdf.txta2101aaee3bd4b43eb1c8f1bf3968763MD52ORIGINAL001096348.pdfTexto completoapplication/pdf2974415http://www.lume.ufrgs.br/bitstream/10183/196412/1/001096348.pdf098f78ccf94278caedde83e6cb8a7f30MD5110183/1964122023-12-25 04:25:02.805928oai:www.lume.ufrgs.br:10183/196412Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532023-12-25T06:25:02Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Big data e educação matemática : algumas aproximações
title Big data e educação matemática : algumas aproximações
spellingShingle Big data e educação matemática : algumas aproximações
Gayeski, Rose Grochot
Modelagem matemática
Big data
Narrativa digital
Mídias digitais
title_short Big data e educação matemática : algumas aproximações
title_full Big data e educação matemática : algumas aproximações
title_fullStr Big data e educação matemática : algumas aproximações
title_full_unstemmed Big data e educação matemática : algumas aproximações
title_sort Big data e educação matemática : algumas aproximações
author Gayeski, Rose Grochot
author_facet Gayeski, Rose Grochot
author_role author
dc.contributor.author.fl_str_mv Gayeski, Rose Grochot
dc.contributor.advisor1.fl_str_mv Dalla Vecchia, Rodrigo
contributor_str_mv Dalla Vecchia, Rodrigo
dc.subject.por.fl_str_mv Modelagem matemática
Big data
Narrativa digital
Mídias digitais
topic Modelagem matemática
Big data
Narrativa digital
Mídias digitais
description A presente dissertação tem por objetivo investigar as potencialidades educacionais da relação entre Modelagem Matemática e Literacia Digital, por meio dos recursos do Big Data em específico do Google Correlate e Google Trends, na construção do conhecimento matemático. Como pergunta diretriz, assumimos o seguinte questionamento: Como se mostram as potencialidades educacionais do Big Data associado à Modelagem Matemática? Em consequência do questionamento assumimos uma abordagem qualitativa. Na busca por respostas a temática pesquisada, embasamo-nos principalmente, nas ideias de: Modelagem Matemática de Dalla Vecchia (2012) e Soares (2015); Literacia Digital de Jenkins et al. (2009); Big Data de Dalla Vecchia (2015) e Santos e Lemes (2014); e Narrativas digitais de Murray (2003), Dalcin (2018), Benjamin (1994), Larrosa (2002), Clandinin e Connely (2011). Procuramos identificar por meio dos modelos matemáticos construídos com o Google Correlate as habilidades de jogabilidade, performance, simulação, apropriação, multitarefa, distribuição cognitiva, inteligência coletiva, julgamento, navegação transmídia, networking e a negociação que levam a Literacia Digital. A produção de dados ocorreu por meio de tarefas desenvolvidas nos recursos do Big Data em seis encontros, durante as aulas de matemática, com duração de dois períodos cada. Os participantes da pesquisa foram alunos do primeiro ano do Ensino Médio. Os dados principais foram obtidos por meio da captação de vídeo (tela do computador) e áudio (fala dos alunos) utilizando o software Camtasia e por vídeos feitos durante as apresentações finais realizadas pelos estudantes. Os vídeos foram analisados e transcritos em partes constituindo excertos baseados nas ações e discussões feitas pelos alunos durante a realização das tarefas. A análise desses dados foi realizada à luz do referencial teórico e foi dividida em quatro categorias. Na primeira categoria analisada, evidenciaram-se as habilidades de Distribuição Cognitiva, a Multitarefa, a Navegação Transmídia, a Simulação, a Apropriação, o Julgamento, o Networking e a Inteligência Coletiva, as quais podem ter levado os estudantes ao desenvolvimento da Literacia Digital, de acordo com Jenkins et al. (2009). A segunda categoria analisada foram as narrativas digitais, fruto do processo de Modelagem Matemática desenvolvido. Ressaltamos que as tecnologias e a produção de informações se mostraram essenciais na criação das narrativas, havendo indícios de experiências vivenciadas com a realidade do mundo cibernético. Baseados em Murray (2003), entendemos que se trata de narrativas digitais, caracterizadas por aspectos associados ao hibridismo e ao multiautoral. A última categoria analisada foi a Modelagem Matemática, a qual apresentou um processo de 6 encaminhamento particular, partindo do Modelo e, a posteriori, buscando relações reais dadas pelos recursos de Big Data utilizados.
publishDate 2019
dc.date.accessioned.fl_str_mv 2019-06-29T02:36:41Z
dc.date.issued.fl_str_mv 2019
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 http://hdl.handle.net/10183/196412
dc.identifier.nrb.pt_BR.fl_str_mv 001096348
url http://hdl.handle.net/10183/196412
identifier_str_mv 001096348
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.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações 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 Biblioteca Digital de Teses e Dissertações da UFRGS
collection Biblioteca Digital de Teses e Dissertações da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/196412/2/001096348.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/196412/1/001096348.pdf
bitstream.checksum.fl_str_mv a2101aaee3bd4b43eb1c8f1bf3968763
098f78ccf94278caedde83e6cb8a7f30
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv lume@ufrgs.br||lume@ufrgs.br
_version_ 1816736997161566208