MONITUM: um sistema proativo para monitoramento e avaliação das atividades de tutoria a distância em AVAs

Texto

(1)UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE. U NIVERSIDADE F EDERAL DO R IO G RANDE DO N ORTE C ENTRO DE T ECNOLOGIA P ROGRAMA DE P ÓS -G RADUAÇÃO EM E NGENHARIA E LÉTRICA E DE C OMPUTAÇÃO. MONITUM: Um Sistema Proativo para Monitoramento e Avaliação das Atividades de Tutoria a Distância em AVAs. Laysa Mabel de Oliveira Fontes. Orientador: Prof. Dr. Ricardo Alexsandro de Medeiros Valentim Coorientador: Prof. Dr. Francisco Milton Mendes Neto. Tese de Doutorado apresentada ao Programa de Pós-Graduação em Engenharia Elétrica e de Computação da UFRN (área de concentração: Engenharia de Computação) como parte dos requisitos para obtenção do título de Doutor em Ciências.. Número de ordem PPgEEC: D192 Natal, RN, março de 2017.

(2) Universidade Federal do Rio Grande do Norte - UFRN Sistema de Bibliotecas - SISBI Catalogação de Publicação na Fonte. UFRN - Biblioteca Central Zila Mamede Fontes, Laysa Mabel de Oliveira. MONITUM: um sistema proativo para monitoramento e avaliação das atividades de tutoria a distância em AVAs / Laysa Mabel de Oliveira Fontes. - 2017. 140 f.: il. Tese (Doutorado) - Universidade Federal do Rio Grande do Norte, Centro de Tecnologia, Programa de Pós-Graduação em Engenharia Elétrica e de Computação. Natal, RN, 2017. Orientador: Prof. Dr. Ricardo Alexsandro de Medeiros Valentim. Coorientador: Prof. Dr. Francisco Milton Mendes Neto. 1. Educação a distância - Tese. 2. Análise da aprendizagem Tese. 3. Ontologia - Tese. 4. Tutoria - Tese. I. Valentim, Ricardo Alexsandro de Medeiros. II. Mendes Neto, Francisco Milton. III. Título. RN/UF/BCZM. CDU 37.018.43.

(3)

(4)

(5) Dedico este trabalho a Deus..

(6)

(7) Agradecimentos. Agradeço primeiramente a Deus, por me guiar à conclusão de mais uma preciosa etapa de minha vida profissional. Agradeço imensamente ao meu orientador e amigo, Ricardo Valentim, pela orientação, conselhos, ensinamentos, apoio e confiança. A você, a minha eterna gratidão! Também agradeço imensamente ao meu coorientador e amigo, Milton Mendes, meu grande mentor que desde a graduação vem sempre me ajudando e apoiando. Serei eternamente grata! A minha mãe, Lenica, por todas as orações direcionadas a mim. Ao meu noivo, Éderson, por todo o amor, incentivo, amizade e compreensão. A Rafael Castro, por toda parceria, ajuda e suporte. Sua ajuda foi essencial para a concretização deste trabalho. Muito obrigada! Aos meu colegas e amigos da SEDIS. Em especial, a: (i) Arthur, pela valiosa contribuição no desenvolvimento do plugin e na criação de algumas consultas SQL; (ii) Alessandro, que me ajudou na criação de grande parte das figuras da tese. Me desculpe por te fazer trabalhar até nas suas férias; (iii) Gusmão, que fez o layout do plugin; (iv) Gustavo, que atendeu as minhas solicitações com prontidão; (v) Luide, que fez toda a configuração do servidor e instalação do Web Service; (vi) Eduardo, que viabilizou o acesso ao banco de dados do Moodle da SEDIS; e (vii) Beto, que fez o banner de divulgação da defesa. A vocês, a minha eterna gratidão! A Janaína Rodrigues, que sempre foi muito solícita, atendendo as minhas solicitações sempre com muita prontidão. Por fim, agradeço aos membros da banca por terem aceitado o convite. – Toda honra e toda glória seja dada a Deus..

(8)

(9) "Tudo tem o seu tempo determinado, e há tempo para todo propósito debaixo do céu". Eclesiastes 3:1.

(10)

(11) Resumo. O uso dos Ambientes Virtuais de Aprendizagem (AVAs) na Educação a Distância (EaD) tem gerado um crescente volume de dados provenientes de interações entre os atores desse processo. O tutor a distância é o ator responsável por mediar o processo de aprendizagem dos alunos e por promover a interação nos AVAs. O volume de dados gerado a partir dessas interações, se devidamente explorado, pode fornecer o entendimento sobre a relação de influência entre o desempenho dos tutores a distância e a participação efetiva de alunos em AVAs. Diante deste contexto, delimitou-se o objetivo de pesquisa desta tese como sendo o desenvolvimento de um sistema proativo para monitoramento e avaliação das atividades de tutoria a distância, por meio de indicadores comportamentais em AVAs. O método utilizado nesta pesquisa foi baseado na metodologia de Learning Analytics de seis dimensões, onde foram definidos os interessados, os objetivos, os dados, os instrumentos, as restrições externas e as limitações internas. As análises foram realizadas por meio de dados históricos advindos de um curso tecnólogo e de dez cursos de graduação ofertados pela Secretaria de Educação a Distância da Universidade Federal do Rio Grande do Norte. Ao todo, foram utilizadas três amostras. A primeira amostra foi composta por informações de 38 tutores a distância e a segunda amostra foi composta por informações de 2.227 alunos, sendo os dados das duas amostras pertencentes à 62 turmas. Já a terceira amostra foi composta por informações de 353 tutores a distância, pertencentes à 1.281 turmas. Como principais resultados desta tese, tem-se: (i) construção de um modelo de conhecimento (ontologia) capaz de mapear as relações existentes entre os atributos comportamentais dos tutores a distância e a participação efetiva dos alunos, por meio do Coeficiente de Correlação de Pearson; (ii) construção de um Web Service capaz de processar as informações relacionadas aos atributos dos tutores a distância, classificar os seus desempenhos por meio das técnicas k-Means e Farthest First e fazer recomendações com base no modelo de conhecimento; e (iii) criação de um plugin para o Moode que permite a visualização dos dados processados pelo Web Service e que serve como subsídio para os gestores dos referidos cursos. Palavras-chave: Educação a Distância, Análise da Aprendizagem, Ontologia, Tutoria..

(12)

(13) Abstract. The use of Virtual Learning Environments (VLEs) in Distance Education (DE) has generated an increasing volume of data coming from interactions between the actors of this process. The distance tutor is the actor responsible for mediating the students’ learning process and for promoting interaction in the VLEs. The volume of data generated from these interactions, if properly exploited, can provide an understanding of the relationship of influence between the performance of distance tutors and the effective participation of students in VLEs. In this context, the research objective of this thesis was defined as the development of a proactive system for monitoring and evaluation of distance learning activities, through behavioral indicators in VLEs. The method used in this research was based on the six-dimensional Learning Analytics methodology, which defined stakeholders, objectives, data, instruments, external constraints and internal limitations. The analyzes were carried out using historical data from a technological course and ten undergraduate courses offered by the Secretariat for Distance Education of the Federal University of Rio Grande do Norte. In all, three samples were used. The first sample consisted of information from 38 tutors the distance and the second sample consisted of information from 2,227 students, being that the data from the two samples belonging to 62 classes. The third sample consisted of information from 353 tutors at a distance, belonging to 1,281 classes. As main results of this thesis, we have: (i) construction of a knowledge model (ontology) capable of mapping the existing relationships between the behavioral attributes of the distance tutors and the effective participation of the students, through Pearson’s Correlation Coefficient ; (Ii) construction of a Web Service capable of processing the information related to the attributes of the distance tutors, classifying their performances through the k-Means and Farthest First techniques and making recommendations based on the knowledge model; and (iii) creation of a plugin for Moode that allows the visualization of the data processed by the Web Service and that serves as a subsidy for the managers of said courses. Keywords: Distance Education, Learning Analytics, Ontology, Tutoring..

(14)

(15) Sumário. Sumário. i. Lista de Figuras. v. Lista de Tabelas. vii. Lista de Símbolos, Siglas e Abreviaturas. ix. 1. 2. Introdução 1.1 Contextualização e Justificativa 1.2 Caracterização do Problema . 1.3 Questão de Pesquisa . . . . . 1.4 Objetivos . . . . . . . . . . . 1.4.1 Objetivo Geral . . . . 1.4.2 Objetivos Específicos . 1.5 Organização da Tese . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. Referencial Teórico 2.1 Educação a Distância . . . . . . . . . . . . . . . . . . . . . . . . . . 2.1.1 Breve Histórico da Educação a Distância no Brasil . . . . . . 2.1.2 Estrutura dos Cursos a Distância . . . . . . . . . . . . . . . . 2.1.3 A Tutoria na EaD . . . . . . . . . . . . . . . . . . . . . . . . 2.2 Learning Analytics . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2.1 Breve Histórico da Learning Analytics no Mundo . . . . . . . 2.2.2 Metodologias de Learning Analytics . . . . . . . . . . . . . . 2.2.2.1 Modelo “What? Who? Why? How?” . . . . . . . . 2.2.2.1.1 What? (O quê?) . . . . . . . . . . . . . . 2.2.2.1.2 Who? (Quem?) . . . . . . . . . . . . . . 2.2.2.1.3 Why? (Por quê?) . . . . . . . . . . . . . . 2.2.2.1.4 How? (Como?) . . . . . . . . . . . . . . 2.2.2.2 Modelo de Seis Dimensões . . . . . . . . . . . . . 2.2.2.2.1 Stakeholders (Interessados) . . . . . . . . 2.2.2.2.2 Objectives (Objetivos) . . . . . . . . . . . 2.2.2.2.3 Data (Dados) . . . . . . . . . . . . . . . 2.2.2.2.4 Instruments (Instrumentos) . . . . . . . . 2.2.2.2.5 External Constraints (Restrições Externas) i. . . . . . . .. . . . . . . . . . . . . . . . . . .. . . . . . . .. 1 1 2 4 4 4 4 5. . . . . . . . . . . . . . . . . . .. 7 7 8 9 10 12 14 17 17 18 18 18 19 19 19 20 21 21 21.

(16) . . . . . . . . . . .. 22 22 23 24 24 25 26 28 29 32 32. 3. Trabalhos Relacionados 3.1 Trabalhos Analisados . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.2 Estudo Comparativo . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 33 33 36. 4. Metodologia 4.1 Metodologia Empregada . . . . . . . . . . . . 4.1.1 Interessados . . . . . . . . . . . . . . . 4.1.2 Objetivos . . . . . . . . . . . . . . . . 4.1.3 Dados . . . . . . . . . . . . . . . . . . 4.1.4 Instrumentos . . . . . . . . . . . . . . 4.1.4.1 Linguagens de Programação . 4.1.4.2 Ferramentas e APIs . . . . . 4.1.4.3 Técnicas . . . . . . . . . . . 4.1.5 Limitações Externas . . . . . . . . . . 4.1.6 Limitações Internas . . . . . . . . . . .. . . . . . . . . . .. 39 39 40 40 43 43 43 44 44 45 45. Solução e Resultados 5.1 Arquitetura Geral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.2 Modelo de Conhecimento . . . . . . . . . . . . . . . . . . . . . . . . . . 5.2.1 Domínio e Escopo da Ontologia . . . . . . . . . . . . . . . . . . 5.2.2 Reutilização de Ontologias Existentes . . . . . . . . . . . . . . . 5.2.3 Enumeração de Conceitos . . . . . . . . . . . . . . . . . . . . . 5.2.4 Definição da Hierarquia das Classes . . . . . . . . . . . . . . . . 5.2.5 Definição das Propriedades . . . . . . . . . . . . . . . . . . . . . 5.2.6 Criação das Instâncias . . . . . . . . . . . . . . . . . . . . . . . 5.2.6.1 Ferramenta para Análise de Correlações . . . . . . . . 5.2.6.1.1 Número de Questionários Criados . . . . . . 5.2.6.1.2 Número de Tópicos Criados nos Fóruns . . . 5.2.6.1.3 Média de Postagens em Tópicos dos Fóruns . 5.2.6.1.4 Taxa de Visualização em Fóruns . . . . . . . 5.2.6.1.5 Taxa de Visualização em Tópicos dos Fóruns 5.2.6.1.6 Número de Tarefas Criadas . . . . . . . . . . 5.2.6.1.7 Número de Tarefas Avaliadas . . . . . . . . .. 47 47 48 48 49 49 49 50 51 52 54 55 56 56 57 57 58. 2.3 2.4 2.5 2.6 2.7. 5. 2.2.2.2.6 Internal Limitations (Limitações Internas) 2.2.2.3 Estudo Comparativo . . . . . . . . . . . . . . . . . Ambiente Virtual de Aprendizagem . . . . . . . . . . . . . . . . . . 2.3.1 Moodle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Normalização Min-Max . . . . . . . . . . . . . . . . . . . . . . . . . Coeficientes de Correlação . . . . . . . . . . . . . . . . . . . . . . . 2.5.1 Coeficiente de Correlação de Pearson . . . . . . . . . . . . . Ontologia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Aprendizado de Máquina . . . . . . . . . . . . . . . . . . . . . . . . 2.7.1 k-Means . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.7.2 Farthest First . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . .. . . . . . . . . . .. . . . . . . . . . .. . . . . . . . . . .. . . . . . . . . . .. . . . . . . . . . .. . . . . . . . . . .. . . . . . . . . . .. . . . . . . . . . .. . . . . . . . . . .. . . . . . . . . . .. . . . . . . . . . .. . . . . . . . . . . .. . . . . . . . . . ..

(17) 5.3. 6. 5.2.6.1.8 Média de Postagens em Chats 5.2.6.1.9 Total de Cliques . . . . . . . . 5.2.6.1.10 Número de Arquivos Criados . 5.2.6.1.11 Número de URLs Criadas . . . 5.2.6.2 Base de Conhecimento . . . . . . . . . Sistema MONITUM . . . . . . . . . . . . . . . . . . . . 5.3.1 Módulo I . . . . . . . . . . . . . . . . . . . . . . 5.3.2 Módulos II e III . . . . . . . . . . . . . . . . . . .. Considerações Finais 6.1 Conclusões . . . . . . . . 6.2 Dificuldades e Limitações . 6.3 Contribuições . . . . . . . 6.4 Trabalhos Futuros . . . . . 6.5 Produções Científicas . . .. . . . . .. . . . . .. . . . . .. . . . . .. . . . . .. . . . . .. . . . . .. . . . . .. . . . . .. . . . . .. . . . . .. . . . . .. . . . . .. . . . . .. . . . . .. . . . . .. . . . . .. . . . . . . . .. . . . . . . . .. . . . . . . . .. . . . . . . . .. . . . . . . . .. . . . . . . . .. . . . . . . . .. . . . . . . . .. 58 59 59 60 60 74 76 77. . . . . .. . . . . .. . . . . .. . . . . .. . . . . .. . . . . .. . . . . .. . . . . .. 85 85 86 86 87 87. Referências Bibliográficas. 89. A Termo de Sigilo e Confidencialidade. 99. B Consultas SQL: Análise de Correlações. 101. C Consultas SQL: Análise de Desempenho. 111.

(18)

(19) Lista de Figuras. 2.1 2.2 2.3 2.4 2.5. Processo básico da LA . . . . . . . . . . . . . . . . . . Modelo “What? Who? Why? How?” . . . . . . . . . . . Modelo de Seis Dimensões . . . . . . . . . . . . . . . . Exemplo de um modelo de Aprendizado Supervisionado Hierarquia das técnicas de aprendizado de máquina . . .. . . . . .. . . . . .. . . . . .. . . . . .. . . . . .. . . . . .. . . . . .. 13 17 20 30 31. 5.1 5.2 5.3 5.4 5.5 5.6 5.7 5.8 5.9 5.10 5.11 5.12 5.13 5.14 5.15 5.16 5.17 5.18 5.19 5.20 5.21 5.22 5.23 5.24 5.25 5.26 5.27 5.28 5.29 5.30. Arquitetura geral do sistema MONITUM . . . . . . . . . . . Hierarquia das classes . . . . . . . . . . . . . . . . . . . . . . Hierarquia das classes e suas propriedades . . . . . . . . . . . Fluxo de criação da base de conhecimento . . . . . . . . . . . Cabeçalho do dataset de análise de correlações . . . . . . . . Valores do dataset de análise de correlações . . . . . . . . . . Instâncias da classe AcaoDoTutor . . . . . . . . . . . . . . . Instâncias da classe AcaoDaTurma . . . . . . . . . . . . . . . Valores da instância NumeroDeQuestionariosCriadosPorTutor Valores da instância NumeroDeTopicosCriadosPorTutor . . . Valores da instância MediaDePostagensEmTopicosPorTutor . Valores da instância TaxaDeForunsVisualizadosPorTutor . . . Valores da instância TaxaDeTopicosVisualizadosPorTutor . . . Valores da instância NumeroDeTarefasCriadasPorTutor . . . . Valores da instância NumeroDeTarefasAvaliadasPorTutor . . . Valores da instância MediaDePostagensEmChatsPorTutor . . Valores da instância NumeroDeCliquesPorTutor . . . . . . . . Valores da instância NumeroDeURLsCriadasPorTutor . . . . Valores da instância NumeroDeArquivosCriadosPorTutor . . . Fluxo do sistema MONITUM . . . . . . . . . . . . . . . . . Cabeçalho do dataset de análise de desempenho . . . . . . . . Valores do dataset de análise de desempenho . . . . . . . . . Trecho do arquivo xml gerado pelo Módulo II . . . . . . . . . Tela inicial do plugin integrado ao Moodle . . . . . . . . . . . Tela com textos explicativos do velocímetro . . . . . . . . . . Gráfico de valores absolutos . . . . . . . . . . . . . . . . . . Gráfico de valores relativos . . . . . . . . . . . . . . . . . . . Gráfico k-Means . . . . . . . . . . . . . . . . . . . . . . . . . Gráfico Farthest First . . . . . . . . . . . . . . . . . . . . . . Relatório individual dos atributos analisados . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 47 49 51 52 53 54 61 65 68 69 69 70 70 71 71 72 72 73 73 75 77 77 78 79 80 80 81 82 83 84. v. . . . . .. . . . . ..

(20)

(21) Lista de Tabelas. 2.1 2.2. Comparativo entre LA e AA . . . . . . . . . . . . . . . . . . . . . . . . Evolução entre LAK’11 e LAK’15 . . . . . . . . . . . . . . . . . . . .. 15 15. 3.1. Comparativo entre os trabalhos relacionados e esta tese . . . . . . . . . .. 37. 4.1 4.2. Atributos para análise de correlação . . . . . . . . . . . . . . . . . . . . Atributos para análise de desempenho dos tutores a distância . . . . . . .. 41 42. 5.1 5.2 5.3 5.4 5.5 5.6 5.7 5.8 5.9 5.10 5.11 5.12 5.13. Correlações do atributo ‘número de questionários criados’ . . . . . Correlações do atributo ‘número de tópicos criados nos fóruns’ . . . Correlações do atributo ‘média de postagens em tópicos dos fóruns’ Correlações do atributo ‘taxa de visualização em fóruns’ . . . . . . Correlações do atributo ‘taxa de visualização em tópicos dos fóruns’ Correlações do atributo ‘número de tarefas criadas’ . . . . . . . . . Correlações do atributo ‘número de tarefas avaliadas’ . . . . . . . . Correlações do atributo ‘média de postagens em chats’ . . . . . . . Correlações do atributo ‘total de cliques’ . . . . . . . . . . . . . . . Correlações do atributo ‘número de arquivos criados’ . . . . . . . . Correlações do atributo ‘número de URLs criadas’ . . . . . . . . . Nomenclatura das instâncias da classe AcaoDoTutor . . . . . . . . Nomenclatura das instâncias da classe AcaoDaTurma . . . . . . . .. 55 55 56 56 57 57 58 58 59 59 60 63 67. vii. . . . . . . . . . . . . .. . . . . . . . . . . . . .. . . . . . . . . . . . . ..

(22)

(23) Lista de Símbolos, Siglas e Abreviaturas. ∑. Somatório. σ. Desvio Padrão. α. Nível de Significância. AA. Academic Analytics. AL. Aluno. AM. Aprendizado de Máquina. AMS. Aprendizado de Máquina Supervisionado. AMNS. Aprendizado de Máquina Não Supervisionado. API. Application Programming Interface. APT. Applied Predictive Technologies. AVA. Ambiente Virtual de Aprendizagem. CC. Coeficiente de Correlação. CES. Centro de Ensino Supletivo. CNF. Criação de Nova Ferramenta. CPF. Cadastro de Pessoa Física. CS. Course Signals. DA. Dado Aberto. EaD. Educação a Distância. EDM. Educational Data Mining. GPL. General Public License. IA. Inteligência Artificial.

(24) IDE. Integrated Development Environment. IES. Instituição de Ensino Superior. INEP. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. LA. Learning Analytics. LAK. Learning Analytics & Knowledge. MOODLE. Modular Object-Oriented Dynamic Learning Environment. NEA. New Enterprise Associates. NMM. Normalização Min-Max. PPSO. Parallel Particle Swarm Optimization. PR. Professor. RG. Registro Geral. SEDIS. Secretaria de Educação a Distância. SOLAR. Society and Learning Analytics Research. SQL. Structured Query Language. TD. Tutor a Distância. TIC. Tecnologia da Informação e Comunicação. TVE. Televisão Educativa. UAB. Universidade Aberta do Brasil. UFE. Uso de Ferramenta Existente. UFRN. Universidade Federal do Rio Grande do Norte. E-Learning. Eletronic Learning. e-Tec. Escola Técnica Aberta do Brasil.

(25) Capítulo 1 Introdução. Este capítulo apresenta uma visão geral desta tese e está organizado da seguinte forma: a Seção 1.1 explicita os argumentos que contextualizam e justificam o desenvolvimento deste trabalho; a Seção 1.2 apresenta a caracterização do problema; a Seção 1.3 define a questão de pesquisa; a Seção 1.4 apresenta os objetivos deste trabalho; e, por fim, a Seção 1.5 apresenta a organização desta tese.. 1.1. Contextualização e Justificativa. A Educação a Distância (EaD) é uma modalidade de ensino e aprendizagem que tem crescido nos últimos anos no Brasil. De acordo com o Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira (INEP), o número de matrículas na modalidade a distância cresceu 3,9% entre 2014 e 2015 (INEP 2016b). Em números absolutos, foram registradas 1.393.752 matrículas em cursos de graduação a distância, o que representa uma participação de 17,4% do total de matrículas da educação superior (INEP 2016b). Ainda segundo o INEP, em 2015, o número de ingressantes em cursos de graduação a distância chegou a um total de 694.559, sendo 30.323 da rede pública e 664.236 da rede privada (INEP 2016a). Na EaD, os espaços físicos são substituídos por espaços virtuais, como, por exemplo, os Ambientes Virtuais de Aprendizagem (AVAs), que fornecem ferramentas para mediar o processo educacional. Nessa perspectiva, novos modelos pedagógicos possibilitam que a educação aconteça fora dos limites de uma sala de aula convencional, mas, por outro lado, exige que os atores do processo de EaD desenvolvam novas habilidades de interação (Mülbert et al. 2011). A interação em AVAs centra-se na participação dos alunos, professores e tutores a distância. No modelo adotado pela Universidade Aberta do Brasil (UAB), e utilizado por diversas instituições brasileiras, há distinção entre os papéis desempenhados pelos professores e tutores a distância. A rigor, o professor produz o material instrucional e as atividades da disciplina, gerencia sua execução e atua diretamente com os alunos por meio das ferramentas disponíveis nos AVAs. Já o tutor a distância auxilia o professor no gerenciamento da disciplina e também atua diretamente com os alunos, sanando suas dúvidas, avaliando-os, identificando suas dificuldades, mediando o processo de aprendizagem e promovendo a interação.

(26) 2. CAPÍTULO 1. INTRODUÇÃO. (Nunes 2013, Tenório et al. 2015). Na modalidade a distância, além de se preocupar com formas específicas de exposição do conteúdo e com o sistema de avaliação, cabe ao professor, juntamente com o tutor a distância, buscar formas diferenciadas de motivar e levar o aluno a concatenar as relações de interação no AVA. Além disso, é preciso se preocupar ainda em fazer do meio virtual também um recurso para aprofundamento dos conteúdos estudados, fazendo com que o aluno da EaD aprenda a utilizar o suporte virtual como fonte de pesquisa, não dependendo somente das aulas propostas nessa modalidade de ensino (Silva et al. 2015). Dessa forma, pode-se afirmar que, na EaD, além da autoaprendizagem, existe também a aprendizagem colaborativa, que acontece através da interação, que é propiciada pelo AVA e promovida pelo tutor a distância, onde o aluno aprende dialogicamente com todos os outros sujeitos envolvidos. Diante desta realidade, um dos problemas ainda em aberto, que justifica o tema desta tese, é o desafio de identificar a relação de influência do desempenho dos tutores a distância na participação efetiva de alunos pertencentes à modalidade a distância. Como desdobramento deste problema de pesquisa, tem-se a seguinte indagação: O desempenho dos tutores a distância influencia a participação efetiva de alunos pertencentes à modalidade a distância? Perguntas como esta podem ser respondidas por meio de uma área de pesquisa denominada de Learning Analytics (LA). A LA é uma área recente, ainda emergente e pouco explorada, mas com bastante potencial para aplicações educacionais, possibilitando a descoberta de informações que auxiliem na melhoria, tanto do ensino quanto da aprendizagem, entre os atores do processo de EaD. Portanto, a LA pode contribuir na descoberta de conhecimento potencialmente útil a partir dos dados gerados nas interações que os tutores a distância têm com os alunos e com os recursos educacionais disponíveis nos AVAs. Esta descoberta de conhecimento pode subsidiar o desenvolvimento de mecanismos capazes de auxiliar na tomada de decisão dos gestores dos cursos e dos próprios tutores a distância, quando estes forem identificados com desempenho ruim.. 1.2. Caracterização do Problema. Freire (1974) enfatiza a importância da interação na educação, contrapondo a visão da Educação Bancária1 com uma educação humanista e problematizadora, que pressupõe o diálogo. Nessa perspectiva, a interação é necessária para a concretização da aprendizagem (Nunes 2012). Segundo Vygotsky (2007), a aprendizagem se dá por um longo processo de apropriação e transformação de conhecimentos que ocorre na atividade mediada, na relação com os outros, destacando a importância da interação social. Na EaD, esta visão precisa de uma atenção especial, uma vez que o aluno passa a ser o principal responsável pela sua 1 Freire. (1974) conceitua a Educação Bancária como imposição do conhecimento realizada pelo professor sobre o aluno na medida em que o professor já os havia adquirido e dispõe destes, sendo assim possível sua ação de depósito deste conhecimento nos alunos..

(27) 1.2. CARACTERIZAÇÃO DO PROBLEMA. 3. aprendizagem. Nesse sentido, se a instituição não lhe fornecer meios adequados para que a socialização e interação ocorram, tanto o processo de ensino e aprendizagem poderá ficar comprometido, como o aluno poderá ficar desmotivado e, ainda pior, ser induzido à evasão (Nunes 2012). De encontro com essa ideia, Valente (2009, p.67) afirma que: [...] a interação sujeito/objeto, sem a mediação de outra pessoa, é limitada como meio para a construção de conhecimento. É a interação com pessoas ou com objetos mediados por pessoas que permite a assimilação gradativa e crescente do mundo que nos rodeia. Assim, não é qualquer tipo de interação com o mundo que propicia construção de conhecimento. Os estudos sobre o tema indicam que a construção está relacionada à qualidade da interação (Piaget 1978) que, por sua vez, depende da mediação de outras pessoas e do próprio conhecimento do aprendiz (Vygotsky 1978).. De acordo com o pensamento de Vygotsky, discutido em (Oliveira 1993), mediação é o processo de intervenção de um elemento intermediário numa relação; a relação deixa, então, de ser direta e passa a ser mediada por esse elemento. Já a interação corresponde à ação conjunta e interdependente de dois ou mais indivíduos, o que acarreta modificações neles (Gervai 2007, Moran et al. 2010, Tenório et al. 2015). Na EaD, o tutor atua como mediador da aprendizagem dos alunos e deve promover a interação (Tenório et al. 2015). O modelo da UAB adotado pela Secretaria de Educação a Distância (SEDIS) da Universidade Federal do Rio Grande do Norte (UFRN), que é o modelo considerado neste trabalho, apresenta dois tipos de tutores: o tutor presencial e o tutor a distância. Ainda segundo o modelo da UAB adotado pela SEDIS/UFRN, os tutores a distância devem exercer, entre outras, as seguintes atribuições (SEDIS/UFRN 2017a): • Orientar e acompanhar os alunos/grupos de estudos sob sua responsabilidade, tanto no AVA quanto em atividades presenciais do curso, quando convocado(a), bem como no acompanhamento em atividades previstas em situações de estágio supervisionado/práticas laboratoriais; • Manter intercâmbio com os professores e os demais tutores, colaborando no desenvolvimento dos componentes curriculares, desde o planejamento até a finalização dos resultados finais; • Auxiliar o professor do componente curricular no processo de organização, fiscalização, aplicação e correção de avaliações; • Auxiliar, sempre que possível e necessário, as atividades dos demais tutores; • Prestar esclarecimentos sobre o regime de funcionamento do(s) respectivo(s) curso(s) de graduação para o(s) qual(is) foi selecionado(a), além de normas que regulamentam a EaD na UFRN; • Participar das ações pedagógicas que exijam deslocamento do(a) tutor(a) a distância ao(s) polo(s) de apoio presencial(is), quando necessário; • Possuir disponibilidade de deslocamento para o(s) polo(s) de apoio presencial(is), inclusive em finais de semana e/ou feriados; • Elaborar relatórios solicitados e participar dos eventos que objetivem o aperfeiçoamento da ação tutorial..

(28) 4. CAPÍTULO 1. INTRODUÇÃO. De acordo com Preti (1996), o tutor a distância é um dos maiores responsáveis pelo sucesso dos cursos da modalidade a distância, pois suas atribuições envolvem tarefas essenciais, como, por exemplo, orientação, condução e supervisão do processo de aprendizagem dos alunos. Já Belloni (2009), Bortolozzo et al. (2009), Hack (2010), Bernardino (2011) e Ramos (2013) destacam a importância do tutor a distância devido à relação de proximidade que estabelece com o aluno. Desse modo, pode-se dizer que os tutores a distância são mediadores do processo de aprendizagem dos alunos e são fundamentais para criar situações que favoreçam à construção do conhecimento. A boa atuação de um tutor a distância pode ser um impulsionador para um aluno desmotivado e fundamental para todos que buscam atingir seus objetivos no curso, mas se deparam com certas dificuldades. Por outro lado, um tutor a distância que não cumpre com o seu papel pode deixar muitos alunos sem o atendimento necessário e causar um clima de insatisfação ou abandono (Nunes 2012). Diante das opiniões expostas, corrobora-se que a mediação é um dos pontos chave do processo de ensino e aprendizagem e faz-se necessário, portanto, monitorar e avaliar o desempenho do tutor a distância, uma vez que ele é o principal responsável por mediar a aprendizagem dos alunos e promover a interação, sendo o contribuinte direto da construção do conhecimento dos alunos pertencentes à modalidade a distância.. 1.3. Questão de Pesquisa. Neste sentido, emerge a questão central de pesquisa desta tese, que busca responder: É possível desenvolver um sistema proativo2 que permita monitorar e avaliar o desempenho de tutores a distância em AVAs?. 1.4. Objetivos. A Subseção 1.4.1 define o objetivo geral desta tese e a Subseção 1.4.2 apresenta os objetivos específicos.. 1.4.1. Objetivo Geral. O objetivo geral desta tese consiste no desenvolvimento de um sistema proativo para monitoramento e avaliação das atividades de tutoria a distância em AVAs.. 1.4.2. Objetivos Específicos. Os objetivos específicos descritos a seguir foram definidos para atingir o objetivo geral desta tese. 2 Neste. trabalho, os termos ‘sistema proativo’ foram empregados no sentido de sistema automatizado, isto é, aquele que não precisa de intervenção humana para realizar seus serviços..

(29) 1.5. ORGANIZAÇÃO DA TESE. 5. • Identificar as relações existentes entre os atributos comportamentais dos tutores a distância e a participação efetiva dos alunos; • Criar um modelo de conhecimento capaz de mapear as relações existentes entre os atributos comportamentais dos tutores a distância e a participação efetiva dos alunos; • Desenvolver uma solução de software capaz de classificar o desempenho dos tutores a distância, fazer recomendações e servir como subsídio para os gestores dos referidos cursos.. 1.5. Organização da Tese. Esta tese está organizada da seguinte forma: o Capítulo 2 apresenta a fundamentação teórica utilizada para o desenvolvimento desta tese; o Capítulo 3 apresenta os trabalhos correlatos com o objeto de pesquisa desta tese; o Capítulo 4 descreve a metodologia de Learning Analytics que foi empregada neste trabalho; o Capítulo 5 apresenta a solução proposta e os resultados obtidos; e, por fim, o Capítulo 6 apresenta as considerações finais..

(30)

(31) Capítulo 2 Referencial Teórico. Este capítulo descreve a base teórica que fundamenta a elaboração desta tese e está organizado da seguinte forma: a Seção 2.1 apresenta uma contextualização sobre Educação a Distância; a Seção 2.2 descreve conceitos no campo da Learning Analytics; a Seção 2.3 apresenta conceitos relacionados aos Ambientes Virtuais de Aprendizagem; a Seção 2.4 apresenta o conceito de normalização Min-Max; a Seção 2.5 define conceitos sobre Coeficientes de Correlação; a Seção 2.6 expõe uma contextualização sobre Ontologias; e, por fim, a Seção 2.7 expõe a fundamentação teórica da área de Aprendizado de Máquina.. 2.1. Educação a Distância. A Educação a Distância (EaD) tem evoluído muito nos últimos anos, tanto na sua forma de planejamento e execução, como na definição dos papéis e responsabilidades, nos modos de interação e na utilização de recursos tecnológicos, cada vez mais sofisticados. Hoje, no Brasil, de acordo com o Decreto 5.622, de 19 de dezembro de 2005, a EaD é caracterizada como: [...] modalidade educacional na qual a mediação didático-pedagógica nos processos de ensino e aprendizagem ocorre com a utilização de meios e tecnologias de informação e comunicação, com estudantes e professores desenvolvendo atividades educativas em lugares ou tempos diversos.. Já Moore e Kearsley (2008, p.2) definem a EaD como: [...] o aprendizado planejado que ocorre normalmente em um lugar diferente do local de ensino, exigindo técnicas especiais de criação do curso e de instrução, comunicação por meio de várias tecnologias e disposições organizacionais e administrativas especiais.. Com a popularização dos computadores e o acesso facilitado à Internet, a EaD passou a focar mais na mediação e na utilização de recursos tecnológicos, visando a encurtar barreiras, assumindo assim posições de maior relevância dentro das instituições de ensino. Projetos governamentais, não governamentais e privados cada vez mais têm sido criados para apoiar essa implantação e/ou sedimentação no Brasil e no mundo (Nunes 2012). E essa adesão à EaD, ao longo das últimas décadas, tem se dado por uma série de razões diferentes. Os interesses envolvidos diferem quando se trata de instituições públicas ou privadas, se a oferta de cursos é para empresas ou para pessoas comuns, se visa.

(32) 8. CAPÍTULO 2. REFERENCIAL TEÓRICO. lucro ou não etc. Mas, de forma resumida, a EaD objetiva possibilitar oportunidades de aprendizado a pessoas que moram em regiões afastadas ou não têm disponibilidade de tempo para frequentar cursos presenciais.. 2.1.1. Breve Histórico da Educação a Distância no Brasil. No Brasil, o primeiro curso a distância foi de datilografia, oferecido por meio de anúncio de jornal, em 1891 (Alves 2009). Em 1923, foi fundada a Rádio Sociedade do Rio de Janeiro, uma iniciativa privada que transmitia programas de literatura, radiotelegrafia e telefonia, línguas, literatura infantil e outros de interesse comunitário. O Instituto Monitor (1939) e o Instituto Universal Brasileiro (1941) voltaram-se para o mercado de trabalho no seguimento da educação profissional básica. A televisão para fins educacionais recebeu vários incentivos no Brasil, especialmente entre as décadas de 1960 e 1970. A Fundação Roberto Marinho criou programas de sucesso, como os telecursos, que continuam até hoje e atendem a um grande número de pessoas (Pimentel 2006, Alves 2009). Outras iniciativas também foram criadas, como a Televisão Educativa (TVE) do Ceará (desde 1974), a TV Cultura (desde 1978), e o programa Um Salto para o Futuro, uma parceria do Governo Federal, das Secretarias Estaduais de Educação e da Fundação Roquette Pinto, para formar professores (Rodrigues 1998). Segundo Erbs (2004), um grande problema da EaD no Brasil decorreu da criação de Centros de Ensino Supletivo (CESs) na Década de 70, como alternativa à educação básica, considerando-os como uma modalidade educativa de "segunda categoria", dirigida às classes mais pobres, o que produziu um sentimento de discriminação em relação à EaD. Com os anos, porém, o Ministério da Educação passou a investir mais na EaD, sobretudo para a universalização do acesso ao ensino superior. Na década de 1990, a maior parte das Instituições de Ensino Superior (IESs) brasileiras mobiliou-se para a EaD, com o uso de novas Tecnologias da Informação e Comunicação (TICs). Com efeito, a Lei de Diretrizes e Bases da Educação – Lei 9.394, de 20 de dezembro de 1996, a partir do Decreto 5.622, de 20 de dezembro de 2005, estabelece em seu artigo 80 a possibilidade de uso da educação a distância em todos os níveis e modalidades de ensino. Uma política importante foi a criação da UAB, instituída pelo Decreto no 5.800, de 8 de junho de 2006, que é um sistema integrado por universidades públicas que oferece cursos de nível superior para camadas da população que têm dificuldade de acesso à formação universitária. Outra ação semelhante foi a instituição do sistema Escola Técnica Aberta do Brasil (e-Tec), institucionalizado pelo Decreto no 6301, de 12 de dezembro de 2007, que tem por objetivo a expansão e interiorização da oferta de educação profissional de nível médio na modalidade a distância. A constante evolução da EaD é marcada pela proliferação de recursos tecnológicos. Essa evolução partiu da correspondência, para o rádio, a televisão, as tele e videoconferências, o computador, a Internet e essa evolução continua. Um exemplo disso é a TV Digital interativa, na qual o aluno pode não apenas assistir uma aula na televisão, mas pode interagir com ela, fazer exercícios, enviar respostas, escolher as lições que deseja estudar etc. Outro exemplo é a aprendizagem móvel, na qual o aluno pode estudar mesmo.

(33) 2.1. EDUCAÇÃO A DISTÂNCIA. 9. quando está em um ônibus ou em outro local, pelo seu smartphone, por exemplo, além dos simuladores ou ambientes de realidade virtual (Nunes 2012).. 2.1.2. Estrutura dos Cursos a Distância. Existem diversas formas de se ofertar cursos a distância, mas em qualquer uma delas a tecnologia tem sido uma grande aliada. Os AVAs são exemplos disso e suas diversas ferramentas que apoiam o acesso a materiais de cursos on-line e à comunicação síncrona (ao mesmo tempo), como o chat (bate-papo), e a assíncrona (em tempos diferentes), como fórum, tarefa, e-mail, questionário, glossário, wiki etc (Nunes 2012). A comunicação pode ser estabelecida na perspectiva one-to-one (de um indivíduo para outro), one-to-many (de um para muitos) ou many-to-many (entre muitos indivíduos), apoiando inclusive atividades colaborativas (com a interação entre os sujeitos) e cooperativas (com a construção coletiva) (Sartori 2005). Nesse contexto, Gomes e Araújo (2008) destacam quatro elementos básicos da EaD: • Procedimentos Administrativos: a gestão acadêmica de um curso a distância deve estar integrada aos demais processos da instituição, para dar, aos estudantes, as mesmas condições e suporte que o presencial, oferecendo acesso aos mesmos serviços, como, por exemplo, matrículas, inscrições, requisições, acesso às informações institucionais, secretarias etc. A logística que envolve a EaD e os processos de tutoria, produção e distribuição de material didático, acompanhamento e avaliação do estudante é complexa e precisa ser rigorosamente gerenciada e supervisionada, sob pena de desestimular o estudante levando-o ao abandono do curso ou de não permitir devidamente os registros necessários para a convalidação do processo de aprendizagem. Vários profissionais do corpo técnico administrativo estão envolvidos nesse processo, tais como o coordenador de curso, o coordenador do polo de apoio presencial, os profissionais da secretaria, da biblioteca, dos laboratórios, entre outros (MEC/SEED 2007); • Materiais Didáticos: algumas características importantes precisam ser consideradas nos materiais didáticos, como, por exemplo, equilíbrio entre a formação profissional e humanística, desenvolvimento da afetividade, cidadania e ética, caracterização de diversidade étnica e cultural, ergonomia (presteza, usabilidade e acessibilidade). Além disso, é necessário que eles estejam disponíveis em diferentes mídias, tais como material impresso, audiovisual (vídeo, videoconferência, teleconferência etc) e AVAs (MEC/SEED 2007); • Sistemas de Comunicação: claramente, a EaD exige o pensar sobre o papel da comunicação no contexto de trabalho das equipes multidisciplinares, sobre a utilização de meios de comunicação e a eficácia da comunicação entre os atores, sejam eles alunos, professores, tutores ou coordenadores (Sartori 2005, de Oliveira Soares 2002). Sendo assim, cresce a necessidade de maior planejamento e controle da comunicação entre esses agentes (Nobre et al. 2008). A comunicação e interação são extremamente necessárias para não tornar o ensino e a aprendizagem enfadonhos e, ao mesmo tempo, suprir a ausência física do professor, do tutor, do coordenador de curso e dos demais atores da EaD;.

(34) 10. CAPÍTULO 2. REFERENCIAL TEÓRICO • Tutoria: o desempenho da ação tutorial é fundamental na qualidade do processo de ensino e aprendizagem da EaD, uma vez que representa o elo mais forte entre o alunado e a apreensão de seus conhecimentos (Gomes e Araújo 2008). O tutor deve possuir competência tecnológica para que ele possa agir com naturalidade, agilidade e aptidão no ambiente virtual. Caberá a ele atuar de uma forma muito mais presente, como uma espécie de arquiteto cognitivo, projetando os caminhos para que os alunos, mais ativos e autônomos, tenham a opção de escolher a melhor trajetória na grande rede hipertextual (Reis 2005).. A tutoria, especialmente a tutoria a distância, como foco deste trabalho, será tratada em maior detalhamento na subseção a seguir.. 2.1.3. A Tutoria na EaD. No século XV, a tutoria passou a ser concebida como método na universidade, onde foi usada como orientação de caráter religioso aos estudantes, com o objetivo de infundir a fé e a conduta moral. Posteriormente, no Século XX, o tutor assumiu o papel de orientador e acompanhante dos trabalhos acadêmicos e é com este mesmo sentido que foi incorporado aos programas de EaD (Sá 1998). Porém, inicialmente, com uma concepção tradicional da educação, em que ensinar era sinônimo de transmitir informações, a tarefa do tutor consistia em assegurar o cumprimento dos objetivos, servindo de apoio ao programa. O ensino ficava a cargo dos materiais, autossuficientes, sequenciados e pautados, cujo desenvolvimento concluía-se com uma proposta de avaliação semelhante em sua concepção de ensino. O tutor dirigia, orientava, apoiava a aprendizagem dos alunos, mas não ensinava (Maggio 2001). Posteriormente, as pesquisas da psicologia da aprendizagem, que substituíram a ênfase na transmissão de informação e cumprimento de objetivos de conduta para focar na construção do conhecimento e nos processos reflexivos, influenciaram diretamente nos projetos e programas de EaD (Maggio 2001). Obviamente, isso teve implicação direta na concepção do tutor. O professor na EaD é aquele que produz o material instrucional e as atividades relacionadas à disciplina, gerencia sua execução e atua diretamente com os alunos. O tutor, por sua vez, também atua diretamente com os alunos, presencialmente ou a distância. Pode-se perceber, portanto, que tanto o professor como o tutor se colocam hoje como mediadores no processo de ensino e aprendizagem. Segundo os referenciais de qualidade do MEC/SEED (2007), o estabelecimento de uma educação a distância de qualidade deve prever a atuação de profissionais que ofereçam tutoria presencial e tutoria a distância. De acordo com o modelo da UAB adotado pela SEDIS/UFRN, que é o modelo considerado neste trabalho, os tutores presenciais devem exercer, entre outras, as seguintes atribuições (SEDIS/UFRN 2017b): • Orientar e acompanhar os alunos sob sua responsabilidade, inclusive em atividades de estágio supervisionado e/ou práticas laboratoriais;.

(35) 2.1. EDUCAÇÃO A DISTÂNCIA. 11. • Organizar grupos de estudos com os estudantes sob a sua responsabilidade no âmbito do polo de atuação; • Manter intercâmbio com os professores e os demais tutores, colaborando no desenvolvimento das disciplinas; • Auxiliar a coordenação do polo no processo de organização, fiscalização e aplicação das avaliações presenciais; • Auxiliar, sempre que possível e necessário, as atividades dos demais tutores; • Prestar esclarecimentos sobre o regime de funcionamento do(s) respectivo(s) curso(s) para o(s) qual(is) foi selecionado(a), além de normas que regulamentam a EaD na UFRN; • Elaborar relatórios solicitados e participar dos eventos que objetivem o aperfeiçoamento da ação tutorial. Já os tutores a distância devem exercer, entre outras, as seguintes atribuições (SEDIS/UFRN 2017a): • Orientar e acompanhar os alunos/grupos de estudos sob sua responsabilidade, tanto no AVA quanto em atividades presenciais do curso, quando convocado(a), bem como no acompanhamento em atividades previstas em situações de estágio supervisionado/práticas laboratoriais; • Manter intercâmbio com os professores e os demais tutores, colaborando no desenvolvimento dos componentes curriculares, desde o planejamento até a finalização dos resultados finais; • Auxiliar o professor do componente curricular no processo de organização, fiscalização, aplicação e correção de avaliações; • Auxiliar, sempre que possível e necessário, as atividades dos demais tutores; • Prestar esclarecimentos sobre o regime de funcionamento do(s) respectivo(s) curso(s) de graduação para o(s) qual(is) foi selecionado(a), além de normas que regulamentam a EaD na UFRN; • Participar das ações pedagógicas que exijam deslocamento do(a) tutor(a) a distância ao(s) polo(s) de apoio presencial(is), quando necessário; • Possuir disponibilidade de deslocamento para o(s) polo(s) de apoio presencial(is), inclusive em finais de semana e/ou feriados; • Elaborar relatórios solicitados e participar dos eventos que objetivem o aperfeiçoamento da ação tutorial. As funções atribuídas a tutores presenciais e a distância podem variar de acordo com o modelo de EaD adotado. Em qualquer situação, o domínio do conteúdo é imprescindível para o exercício das funções e deve estar aliado à necessidade de dinamismo, visão crítica e global, capacidade para estimular a busca de conhecimento e habilidade com as novas TICs (MEC/SEED 2007). Portanto, apesar de ambos terem atribuições importantes no curso, são os tutores a distância que, efetivamente, devem mediar a aprendizagem dos alunos e promover a interação, sendo o contribuinte direto da construção do conhecimento dos alunos. Como cita Hope (2001), o tutor a distância é o facilitador, mediador ou suporte para o processo de aprendizado do aluno..

(36) 12. 2.2. CAPÍTULO 2. REFERENCIAL TEÓRICO. Learning Analytics. O uso das tecnologias como mediação da comunicação entre pessoas tem sido cada vez mais frequente. Hoje em dia, instituições bancárias, educacionais, militares, e tantas outras fazem uso de todo esse aparato computacional. Tal uso pode ser justificado por uma gama de fatores, como, por exemplo, a facilidade de armazenamento, transmissão, processamento e busca de informações em um curto intervalo de tempo, que, além de proporcionar uma maior velocidade na condução dos processos operacionais dessas instituições, ainda reduz os custos destes. Do ponto de vista educacional, o barateamento da tecnologia, associada à grande difusão da Internet, promoveu uma facilidade na disseminação de conteúdos educacionais que antes estavam comumente restritos aos livros. Essa inserção tecnológica no processo de ensino promoveu o surgimento de pelo menos três novos conceitos: i) Eletronic Learning (E-Learning), que consiste basicamente em um modelo de aprendizagem suportado pelo computador como ferramenta mediadora (Rosenberg 2001, Downes 2005, Garrison 2011); ii) Mobile Learning, quando as ferramentas mediadoras do conhecimento são os dispositivos móveis (Motiwalla 2007, Jacob e Issac 2014); e iii) T-Learning, que se apoia na utilização da TV analógica ou digital como o meio utilizado para difusão em massa do conhecimento (Mendes Neto 2013, Mendes Neto et al. 2015). A ampla utilização dessas tecnologias no ensino provocou um aumento na demanda de recursos computacionais, pois, com o barateamento desses recursos, a quantidade de usuários cresceu e o volume de dados relacionados ao uso de sistemas acadêmicos acompanhou esse crescimento. Com o grande crescimento das bases de dados, devido ao armazenamento de informações referentes a registros de acessos (logs), conversas entre alunos, professores e tutores, registros de notas, atividades, questionários, criação de fóruns, grupos etc, pesquisadores perceberam a oportunidade de extrair informações que pudessem estar associadas ao processo de ensino, com a finalidade de compreender melhor os fatores que podem estar associados ao sucesso ou fracasso de cursos, turmas, alunos e práticas pedagógicas. Diante disso, surgiu o campo de pesquisa denominado de Learning Analytics (LA). O termo Learning Analytics, pertencente ao idioma inglês, traduzido para a língua portuguesa corresponde ao termo “Análise da Aprendizagem”. A LA pode ser definida como sendo a medição, coleta, análise e comunicação de dados sobre os alunos e os seus contextos, para fins de compreensão e otimização da aprendizagem nos ambientes em que esse processo ocorre (Siemens et al. 2011). Já Elias (2011) define a LA de uma forma mais sucinta, como sendo um campo emergente em que ferramentas de análise são utilizadas a fim de melhorar a aprendizagem e a educação. Outros autores, como Johnson et al. (2011), definem a LA da seguinte forma: A Learning Analytics refere-se à interpretação de uma ampla gama de dados produzidos e coletados por interesse dos estudantes, a fim de avaliar o progresso acadêmico, prever o desempenho futuro e identificar possíveis problemas..

(37) 2.2. LEARNING ANALYTICS. 13. Sendo assim, em concordância com as definições dos demais pesquisadores, pode-se definir a Learning Analytics como sendo a coleta, análise e compreensão das informações relacionadas ao processo de ensino, seja presencial, semipresencial ou a distância, e ao ambiente em que este processo ocorre, a fim de proporcionar para as partes envolvidas, seja de forma direta (estudantes, professores, tutores etc) ou indiretas (instituições de ensino, comunidade científica etc), a percepção de fatores que possam influenciar positivamente ou negativamente o ensino, independentemente de práticas pedagógicas que possam estar sendo utilizadas. Segundo Chatti et al. (2012), o processo da LA é dividido basicamente em três etapas distintas. A Figura 2.1 ilustra as etapas desse processo.. Figura 2.1: Processo básico da LA Fonte: Adaptação de (Chatti et al. 2012). Conforme pode ser visto na Figura 2.1, a primeira etapa é denominada Coleta de Dados e Pré-processamento. Essa etapa é responsável pela coleta dos dados que serão analisados. Esse passo é crítico, pois a escolha dos dados pode implicar diretamente nos resultados apresentados pelo algoritmo que irá extrair as informações. Além do processo de coleta, essa etapa conta ainda com o pré-processamento, que consiste em uma conversão dos dados para um formato que possa ser utilizado pelas técnicas da LA. A segunda etapa é denominada Análises e Ações, conforme ilustrado na Figura 2.1. Essa etapa objetiva explorar os dados, resultantes da etapa de coleta e pré-processamento, de modo que se possa extrair informações a partir deles. Esse estágio não se resume apenas às análises, mas também contempla ações que podem ser tomadas a partir das informações obtidas, como, por exemplo, o monitoramento, a intervenção, a predição, entre outras. E, por fim, a terceira etapa denomina-se Pós-processamento, conforme ilustrado na Figura 2.1. Esse estágio foca na melhoria contínua do processo da LA. Essa melhoria pode.

(38) 14. CAPÍTULO 2. REFERENCIAL TEÓRICO. ser feita por meio da compilação de novos dados, através da adição de novos atributos, de modo que novos indicadores e análises possam ser obtidos ou então melhorar os já existentes. Vale ressaltar que cada etapa do ciclo de vida gera uma saída para a etapa subsequente. A primeira etapa define quais dados serão analisados e os coloca em um formato para que as análises possam ser feitas. A segunda etapa, de posse da saída da etapa anterior, analisa os dados, objetivando descobrir padrões e informações relacionadas ao processo de ensino, que, consequentemente, servirá como auxílio na tomada de decisões. E, por fim, com o feedback das ações tomadas na etapa antecedente, a terceira etapa focará em melhorias que poderão ser planejadas, de modo a contemplar um maior número de variáveis que podem estar relacionadas ao ensino. Sendo assim, esse feedback servirá como entrada para a seleção dos dados que serão novamente compilados na primeira etapa, para que, assim, se possa alcançar novas oportunidades nas novas análises que ocorrerão. Portanto, pode-se considerar que o processo global da LA é frequentemente um ciclo de vida iterativo (Chatti et al. 2012).. 2.2.1. Breve Histórico da Learning Analytics no Mundo. A área de pesquisa da LA é um campo investigativo emergente, tendo ocorrido sua primeira conferência internacional no ano de 2011, na cidade de Banff, Alberta, Canadá. No mesmo ano da primeira conferência de LA, foi criada a Society and Learning Analytics Research (SOLAR), que é uma rede interdisciplinar de pesquisadores internacionais que vem pesquisando sobre o papel e o impacto que essas análises podem gerar no processo de ensino e aprendizagem (Siemens et al. 2011). A SOLAR faz parte da organização da conferência internacional sobre Learning Analytics & Knowledge (LAK), atuando também no suporte ao lançamento de várias iniciativas no apoio à pesquisa colaborativa sobre a área (Siemens et al. 2011). Outra área de pesquisa que também está relacionada com a LA é a Academics Analytics (AAs). A AA foca na análise de dados a nível institucional para apoiar o processo de tomada de decisões estratégicas, de modo que universidades possam identificar quais seus pontos fracos e fortes, e lacunas onde podem ser aplicadas melhorias (Academics Analytics 2016). Portanto, uma diferença importante entre a LA e a AA é que, enquanto a LA foca em aperfeiçoar os processos de ensino e aprendizagem, a AA se concentra na descoberta de informações no campo estratégico dos setores administrativos. A Tabela 2.1 apresenta um comparativo entre as áreas de LA e AA. Embora a LA seja considerada uma área emergente, é possível perceber que seus objetivos de pesquisa e resultados trazem benefícios para a educação, e que, de fato, ainda existem muitas subáreas desse campo a serem exploradas. Tal fato pode ser observado a partir de uma análise sobre as tendências de trabalhos voltados para a área da LA evidenciadas nas produções científicas da conferência internacional LAK. A Tabela 2.2 apresenta a quantidade de trabalhos submetidos e aceitos na conferência internacional LAK, nos anos de 2011 a 2015..

(39) 2.2. LEARNING ANALYTICS. 15. Tabela 2.1: Comparativo entre LA e AA TIPO DE ANÁLISE. LEARNING ANALYTICS. ACADEMICS ANALYTICS. NÍVEL DA ANÁLISE. BENEFICIADOS. NÍVEL DE CURSO: ANÁLISE DE CONVERSAS EM CHATS. ALUNOS E PROFESSORES. NÍVEL DEPARTAMENTAL: PADRÕES DE SUCESSO OU FRACASSO. ALUNOS E PROFESSORES. NÍVEL INSTITUCIONAL: FLUXOS DE CONHECIMENTO. ADMINISTRADORES, FINANCIADORES E PROFISSIONAIS DE MARKETING. NÍVEL REGIONAL: COMPARAÇÃO ENTRE SISTEMAS. ADMINISTRADORES E FINANCIADORES. GOVERNOS NACIONAIS E AUTORIDADES NA EDUCAÇÃO Fonte: Adaptação de (Long e Siemens 2011) NÍVEL NACIONAL E INTERNACIONAL. Tabela 2.2: Evolução entre LAK’11 e LAK’15 EDIÇÃO. SUBMETIDOS. ACEITOS. TAXA DE ACEITAÇÃO (%). LAK’11. 38. 17. 45%. LAK’12. 36. 14. 39%. LAK’13. 58. 16. 28%. LAK’14. 44. 13. 30%. LAK’15. 74. 20 Fonte: Autoria própria. 27%. Vale ressaltar que, dentre os trabalhos aceitos, não foram considerados os papers de autores convidados, short papers, workshops, tutoriais e posters. Na LAK’11, os artigos aceitos ficaram basicamente divididos em: i) artigos conceituais; ii) artigos com estudos de caso; e iii) artigo sobre ferramentas de análise de dados. Já na LAK’12, pode-se perceber uma evolução nos trabalhos publicados em termos das análises do campo investigativo da LA. Os artigos publicados tinham como foco:.

(40) 16. CAPÍTULO 2. REFERENCIAL TEÓRICO. i) Social Learning Analytics; ii) LA nas perspectivas institucionais; iii) análises para a aprendizagem reflexiva; iv) intervenções educacionais; v) além de outras áreas correlatas com a LA, como, por exemplo, a Visual Analytics. Na LAK’13, o campo investigativo dos artigos publicados se dissolveu ainda mais, mostrando que existem inúmeros subcampos a serem estudados. Os artigos aceitos nessa conferência se enquadravam nas trilhas de: i) reflexões da LA; ii) visualização de dados para apoiar a conscientização e reflexão; iii) comunicação e colaboração; iv) análise de dados sociais; v) análise de diálogos; vi) análise de comportamentos; vii) análise de emoções; viii) análise preditiva; ix) análises sequenciais de dados; x) avaliações; xi) suporte a professores; xii) desafios da LA; xiii) arquiteturas de análises; e xiv) design briefings. As conferências da LAK’11, LAK’12 e LAK’13 apresentaram uma significativa mudança dos temas abordados nos artigos. A LAK’11 teve trabalhos mais conceituais e alguns trabalhos de análise de dados. Porém, na LAK’12, evidenciou-se uma evolução nos temas abordados, além disso, foi possível perceber alguns subcampos investigativos da LA. E essa evolução se acentuou na LAK’13, que apresentou vários trabalhos enquadrados em quatorze subcampos do tema. Já na LAK’15, pode-se perceber de forma mais evidenciada a evolução e consolidação de suas subáreas, além da adição de mais algumas trilhas a fim de facilitar o enquadramento da temática proposta em seus subcampos de pesquisa. Nesta edição, os artigos completos aceitos foram divididos em vinte e dois temas específicos. Além disso, podese mencionar o crescente número de trabalhos que propuseram ferramentas de análise de dados educacionais na identificação de fatores comportamentais e do desempenho de estudantes. De fato, é notável que os resultados obtidos por meio da LA vêm contribuindo para o surgimento de novas oportunidades no ensino e no planejamento estratégico de metodologias pedagógicas, pois, com essas informações, pode-se aplicar ações que estarão fundamentadas em dados de experiências anteriores da aprendizagem. Portanto, além de poder auxiliar na compreensão do ensino, a LA também ajuda a melhorar esse processo (Ferguson e Shum 2012). Além dos esforços da comunidade acadêmica, grandes empresas estão investindo em análises de dados educacionais. Em 2012, a Desire2Learn Incorporated, que é uma empresa bastante conceituada no provimento de soluções e-Learning, recebeu 80 milhões de dólares de financiamento da New Enterprise Associates (NEA) e OMERS Ventures (The Globe & Mail 2012, GIGAOM 2012). No ano seguinte, a Applied Predictive Technologies (APT), que é uma empresa no campo da análise preditiva baseada em nuvem, recebeu um investimento de 100 milhões de dólares do grupo Goldman Sachs. Dentre as empresas que fazem parte de sua lista de clientes, pode-se citar: Walmart, Hilton, Anheuser-Busch InBev, McDonald, dentre outras, que tem adquirido cada vez mais os produtos da APT para tomar decisões críticas em suas áreas estratégicas (APT 2013). No ano de 2014, a Google Capital investiu 40 milhões de dólares na empresa Renaissance Learning, que é uma empresa conhecida por trabalhar na avaliação de dados educacionais (Education Week 2014, Recode 2014). Com o alto investimento na área da LA, novos projetos serão concebidos e, conse-.

(41) 2.2. LEARNING ANALYTICS. 17. quentemente, novas metodologias e abordagens irão surgir. Estima-se também que não somente os AVAs, mas também os demais aplicativos que apoiam o processo de ensino, irão dispor das técnicas da LA de forma integrada ao próprio sistema.. 2.2.2. Metodologias de Learning Analytics. Assim como na engenharia de software, que apresenta diversas metodologias de desenvolvimento de software, alguns estudiosos criaram algumas metodologias para a área de Learning Analytics. No entanto, essas metodologias não estão relacionadas com as técnicas de programação, mas sim com o auxílio na compreensão do problema que se deseja resolver. As subseções a seguir apresentam os dois principais modelos existentes até o momento desta pesquisa, bem como um estudo comparativo entre estes. 2.2.2.1. Modelo “What? Who? Why? How?”. O modelo “What? Who? Why? How?” foi proposto por Chatti et al. (2012). Esse modelo visa identificar oportunidades e possibilidades em cada uma de suas dimensões. A Figura 2.2 ilustra as quatro dimensões desse modelo.. Figura 2.2: Modelo “What? Who? Why? How?” Fonte: Adaptação de (Chatti et al. 2012). As subseções a seguir apresentam os conceitos de cada uma das dimensões desse modelo..

(42) 18. CAPÍTULO 2. REFERENCIAL TEÓRICO. 2.2.2.1.1 What? (O quê?) Essa dimensão é responsável pela definição dos dados que serão utilizados na análise. Esses dados podem ser oriundos de dois tipos de categorias de sistema: i) os sistemas educacionais centralizados, que são representados pelos AVAs, como o Moodle, por exemplo; ii) ambientes de aprendizagem distribuídos, que são sistemas interativos e facilitados pela tecnologia ubíqua no apoio à aprendizagem informal. Geralmente, esses dados ficam espalhados em diferentes sistemas e estão em diferentes formatos, distribuídos ao longo do espaço, tempo e meios de comunicação. Nesse sentido, o grande desafio é integrar esses dados que são obtidos de fontes heterogêneas e transformá-los, em tempo hábil, para formatos que sejam aceitáveis pelas técnicas de análise de dados que serão utilizadas (Chatti et al. 2012). 2.2.2.1.2 Who? (Quem?) O objetivo dessa dimensão é identificar todas as partes interessadas que podem ser beneficiadas com o uso da LA, dentre as quais, tem-se: alunos, professores, tutores, pesquisadores, instituições etc (Chatti et al. 2012). 2.2.2.1.3 Why? (Por quê?) Essa dimensão define os possíveis objetivos da análise dos dados. Dentre esses objetivos, destacam-se (Chatti et al. 2012): • Previsão e Intervenção: o objetivo da previsão é tentar prever o desempenho do estudante com base em suas ações. A partir dos dados de saída da previsão, podese então recomendar a intervenção de forma proativa sobre esses estudantes que provavelmente estarão precisando de uma assistência adicional; • Monitoramento e Análise: o objetivo principal é de realizar o monitoramento das atividades dos estudantes e gerar relatórios sobre estes, a fim de auxiliar na tomada de decisão dos professores; • Avaliação e Feedback: o objetivo é de auxiliar na autoavaliação da eficiência e eficácia do processo de ensino, de forma que o sistema possa retornar feedbacks inteligentes tanto para professores quanto para alunos; • Adaptação: este item está associado à instrução adaptativa de recursos de aprendizagem e atividades de acordo com as necessidades individuais do aluno; • Personalização e Recomendação: na personalização, a LA é altamente centrada no aluno, focando em como ajudar os alunos a decidir sobre a sua própria aprendizagem e continuamente moldar suas preferências pessoais de aprendizagem para alcançar seus objetivos. Já os sistemas de recomendação, podem desempenhar um papel crucial para promover a aprendizagem autodirigida. Neste caso, o objetivo é ajudar os alunos, seja por meio da recomendação de conhecimento explícito (recursos de aprendizagem) ou através de nós de conhecimento tácito (pessoas), com base em suas preferências ou atividades de outros alunos com preferências semelhantes..