e algoritmos que têm sido usados, com sucesso, em outros domínios. Quando aplicados à aprendizagem, existem algumas características que precisam ser ajustadas para esse novo domínio. Nesse intuito, [26] definiu análise, no contexto da educação, como um processo iterativo contendo 5 passos: (1) capturar os dados educacionais; (2) reportar os achados da aplicação de técnicas de análise de dados (visão geral dos dados); (3) prever situações de interesse educacional; (4) agir de forma a apoiar a tomada de decisão; e (5) refinar e melhorar o processo.
Apesar de sua semelhança com a área de Mineração de Dados Educacionais (EDM), pesquisadores das respectivas áreas afirmam que elas são distintas, embora relacionadas. A diferença se dá no foco do uso dos dados: de acordo com [9], a EDM utiliza os dados para entender como e quando ocorreu o processo de aprendizagem, neste caso o foco é no processo. Já a LA utiliza os dados para explorar como as interações dos aprendizes com a tecnologia afetaram o aprendizado. Neste caso o foco é no estudante.
2.4
Visualização de Dados (VD)
Nesta tese, as técnicas de VD foram utilizados para criar artefatos que denominamos ”Me- táforas Visuais”, que são representações visuais dos resultados da aplicação das técnicas de mineração de dados educacionais e análise da aprendizagem (por exemplo: criamos uma visualização chamada ”pesos ordenados” cujo objetivo é etc.). Usamos a VD, ainda, para li- dar com grandes quantidades de estudantes, agrupando-os de acordo com suas condições de aprendizagem (por exemplo: as características das interações dos estudantes com os recursos de aprendizagem, os padrões de resolução de questões dos estudantes etc.). Nesta subseção, trataremos sobre a VD e sobre as técnicas utilizadas no contexto desta tese.
Com o barateamento das tecnologias para armazenar e transmitir dados, bem como a informatização de diversos processos, substituindo o papel por documentos digitais, e com a constante necessidade de se armazenar, manipular e apresentar esses dados e informações, tem-se consumido, armazenado e propagado dados das diversas áreas do conhecimento. Aquilo que há alguns anos seria eliminado por falta de espaço físico em discos rígidos, ou pelo alto custo de outros meios digitais de armazenamento16, hoje é armazenado para uso
2.4 Visualização de Dados (VD) 27
futuro [48].
Entretanto, simplesmente apresentar informações encontradas nos dados, na forma de planilhas ou tabelas e gráficos estáticos, está se tornando uma prática pouco recomendada. Neste sentido, [4] recomenda que se crie ”a história dos seus dados”, com a finalidade de ajudar as pessoas a visualizar os dados e seu significado, agregando valor aos mesmos.
Contudo, aplicar a visualização de dados não é uma tarefa simples, pois demanda co- nhecimento sólido em áreas distintas como a ciência cognitiva, estatística, design gráfico, cartografia e ciência da computação [83]. De acordo com o autor, VD possui características de arte e ciência. Encontrar o equilíbrio entre essas perspectivas, é o que determina o sucesso em se aplicar VD.
Sendo assim, a visualização de dados pode ser definida como o estudo da forma de repre- sentar os dados através da utilização de uma abordagem artística e interativa, em detrimento às abordagens mais tradicionais, transformando dados em informação significativa e útil [4]. O objetivo da visualização de dados é comunicar informação, de modo claro e eficiente do ponto de vista dos usuários, ajudando-os a analisar e a raciocinar sobre os dados e as eviden- cias presentes nele [59].
De forma simples, o objetivo em se utilizar DataViz é garantir que uma mensagem seja transmitida de forma mais efetiva e eficiente, atendendo às necessidades do receptor. Isso envolve codificar a mensagem de uma forma que explore ativamente como o receptor vai interpreta-la (decodificar), explorando sua capacidade de percepção visual [83].
Segundo [83], para clarificar os elementos chave da definição e do processo de codifica- ção, transmissão, recepção e decodificação, temos o seguinte:
• Representar os dados é a forma que você decida para representar os dados através da escolha de formas físicas. Se é através de uma linha, uma barra, um círculo, ou em qualquer outra variável visual, você está tomando os dados como matéria-prima e criando uma representação para melhor retratar seus atributos.
• Apresentar os dados vai além da representação de dados. Ela se preocupa como inte- grar a representação de seus dados na comunicação geral do seu trabalho, incluindo a
mento, ou ao custo de aquisição dos mesmos ou, ainda, ao custo de arquiva-los ou armazena-los apropriada- mente
2.4 Visualização de Dados (VD) 28
escolha de cores, anotações e recursos interativos.
• Explorar nossas capacidades de percepção visual se refere à compreensão científica de como nossos olhos e cérebros processam informações mais eficazmente. Trata-se de aproveitar nossas capacidades com o raciocínio espacial, reconhecimento de padrões e raciocínio amplo.
• Amplificar a cognição envolve maximizar o quão efetivamente e eficazmente somos capazes de processar a informação em pensamentos, ideias e conhecimento.
Em última análise, o objetivo da visualização de dados deve ser fazer um leitor ou usuário sentir que está melhor informado sobre um assunto.
2.4.1
RAG Colors
No contexto desta tese, utilizaremos uma técnica denominada RAG Colors. De acordo com [4], alguns esquemas de cores na área da visualização de dados são ditos ”sagrados”, pois são utilizados apenas para propósitos específicos. O esquema de cores denominado RAG (red, amber, green17, conforme os semáforos, tem o objetivo de alertar os usuários e possuem significados específicos na área da DataViz:
• Vermelho: indica que algo está errado, inapropriado ou abaixo do esperado;
• Amarelo/Âmbar: indica que algo necessita de atenção, cuidado e acompanhamento/- monitoramento;
• Verde: indica que algo está correto ou conforme o esperado.