Educational data mining e learning analytics na melhoria do ensino online

Abstract

Educação é um dos temas mais importantes e discutidos em todo o mundo. Sendo um processo de aquisição de conhecimento e/ou aptidões, tem sofrido grandes alterações ao longo dos tempos. Na última década, os avanços das tecnologias de informação e computação têm permitido às pessoas interagirem e aprenderem de uma nova forma. Com as inovações tecnológicas, as escolas e universidades estão a alterar a forma como transmitem e partilham conhecimentos. Ao passo que, até ao ensino secundário, as Escolas disponibilizam uma plataforma Moodle, onde os professores divulgam e partilham alguns documentos e tarefas que servem de apoio às suas práticas letivas; já no ensino superior as alterações são mais significativas. As Universidades chegam mesmo a alterar a metodologia dos seus cursos. Para além do ensino tradicional optam por outras modalidades de ensino: b-learning (ensino simultaneamente presencial e à distância) e/ou e-learning (ensino à distância). Os modelos de ensino/aprendizagem assentes em ambientes online permitem aos alunos terem acesso ao conhecimento a qualquer hora e em qualquer lugar. No entanto, também têm os seus desafios, devido à ausência de contacto humano direto e às insuficiências que isso pode gerar. Contudo, os propugnadores do e-learning defendem que a criação de comunidades virtuais que interagem através de chats, fóruns, emails, etc, compensam essa carência, enriquecendo o processo relacional entre pessoas com o mesmo interesse, mas com diferentes visões e localizadas em regiões e países distintos. Com o aumento do uso de ambientes online e outras tecnologias para apoio ao processo de ensino e aprendizagem, um grande volume de dados tem sido gerado a partir das diferentes 3 interações no sistema, envolvendo estudantes e professores. Com a análise destes dados, podemos obter uma quantidade de informação e conhecimento pertinente e essencial para a melhoria da qualidade do ensino. Nomeadamente, no combate ao insucesso e ao abandono escolar. Diversos estudos têm sido promovidos e desenvolvidos de modo a identificarem e analisarem as causas do insucesso escolar. Como consequência têm sido desenvolvidos programas e medidas que visam a promoção do sucesso. Uma das medidas consiste no acompanhamento adequado e personalizado dos alunos ao longo do seu percurso académico. Neste trabalho é proposto um modelo de análise de dados, com base em cartas de controlo, regressão logística e análise de clusters, com vista à extração de conhecimento, relevante na previsão do desempenho escolar, no ensino online.

Education is one of the most important and widely discussed subjects all over the world. Provided that it is a process of knowledge and/or skills acquisition, education has undergone many changes over time. Over the last decade, improvements in information and computer technologies have enabled people to interact and learn in a different way. Due to technological advance, schools and universities have been changing the way they transmit and share knowledge. Whereas up to high school education schools provide a Moodle platform, in which teachers spread and share some documents and tasks that support their classroom practices, in higher education the technological changes are more significant. Universities even change the methodology of their courses. Besides the traditional way of teaching, they choose other types of education: b-learning (both classroom and online learning) and/or e-learning (online learning). The teaching/learning models based on online environments allow students to have access to knowledge at anytime and anywhere. However, it also has its challenges due to the absence of direct human contact and the insufficiencies this might create. Nevertheless, the proponents of e-learning argue that the creation of virtual communities that interact through chat rooms, forums, email, etc, surpasses that absence as they enrich the relational process among people who share the same interest but have different views and may be located in different regions and countries. With the increasing use of online environments and other technologies supporting the educational process, a large amount of data has been generated from different interactions in the system involving students and teachers. From the analysis of these data it is possible to get 5 a considerable and relevant amount of information and knowledge which are essential for improving the quality of teaching, particularly as regards the prevention of school failure and dropout. Several studies have been promoted and developed in order to identify and analyse the causes of school failure. Consequently, some programs and measures aimed at reaching school success have been developed. One of them consists of appropriate and personalized support for students throughout their academic career path. In this work it is proposed a model of data analysis based on control charts, logistic regression, and cluster analysis in order to extract relevant knowledge for the prediction of school performance on the online teaching.