Ferramenta de suporte à avaliação de performance e tomada de decisão no processo de ensino-aprendizagem de EAD
Carregando...
Arquivos
Data
2023-03-01
Autores
Santos, Felipe Stefani Correia dos
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Resumo
O contexto do atual modelo educacional se apresenta em constante mudança devido a necessidade de adaptação ao novo cenário super conectado dos dias de hoje. Torna-se um desafio para os professores de Educação a Distância (EAD) se adaptar aos Learning Management System (LMS) e desenvolver novas técnicas de análise e avaliação do processo de ensino-aprendizagem. Este trabalho aborda o LMS Moodle, o qual gera inúmeros registros de atividades realizadas no sistema chamados de LOGs. Porém, a falta de acompanhamento desses registros no ambiente, mais especificamente quanto às interações do estudante com a plataforma, pode produzir um déficit informacional quando se trata de análise e avaliação de performance dos mesmos. Essa falta de acompanhamento pode ser justificada pela complexidade e volume de dados gerados pela plataforma. Desta maneira, este trabalho apresenta um modelo de processamento da informação, denominado Performi (Performance estudantil dirigida por processamento informacional), que tem como objetivo guiar a criação de uma ferramenta que forneça subsídios informacionais de cunho quali-quantitativo, referente à performance e interações de estudantes no LMS Moodle, utilizando do arcabouço teórico da Ciência da Informação, para estabelecer processos, etapas ou fluxos sistematizados e estruturados. Para tal, são utilizadas técnicas de aprendizado de máquina como instrumento de processamento de dados, possibilitando a profissionais de educação o usufruto de informações enriquecidas. A natureza deste trabalho é quali-quantitativa, de finalidade teórico-aplicada e de tipo exploratória, sendo sua metodologia uma pesquisa exploratória com prova de conceito. Para validar o modelo, foi desenvolvida uma prova de conceito guiada pelo modelo Performi. Os resultados indicam que o modelo extrai dados quali-quantitativos dos registros de LOG e os transforma em informações contextualizadas, além de organizar, descrever e guiar a interpretação da informação, gerando subsídios informacionais para tomada de decisão.
The current educational model context is constantly changing due to the need to adapt to today's new, super-connected scenario. It becomes a challenge for distance education teachers to adapt to the Learning Management System (LMS) and develop new techniques for analysis and evaluation of the teaching-learning process. This paper discusses the LMS Moodle, which generates numerous records of activities performed in the system called LOGs. However, the lack of monitoring of these records in the environment, more specifically regarding student interactions with the platform, can produce an informational deficit when it comes to analysis and evaluation of their performance. This lack of follow-up can be justified by the complexity and volume of data generated by the platform. Therefore, this paper presents an information processing model, called Performi (Student Performance Driven by Informational Processing), which aims to guide the creation of a tool that provides quali-quantitative informational support regarding the performance and interactions of students on the LMS Moodle, using the theoretical foundation of Information Science, to establish systematized and structured processes, steps, or flows. To do this, machine learning techniques are used as a data processing tool, allowing education professionals to enjoy enriched information. The nature of this work is quali-quantitative, of theoretical-applied purpose and of exploratory type, being its methodology exploratory research with proof of concept. To validate the model, a proof of concept guided by the Performi model was developed. The results indicate that the model extracts qualitative-quantitative data from LOG records and transforms them into contextualized information, besides organizing, describing, and guiding the interpretation of information, generating informational subsidies for decision making.
The current educational model context is constantly changing due to the need to adapt to today's new, super-connected scenario. It becomes a challenge for distance education teachers to adapt to the Learning Management System (LMS) and develop new techniques for analysis and evaluation of the teaching-learning process. This paper discusses the LMS Moodle, which generates numerous records of activities performed in the system called LOGs. However, the lack of monitoring of these records in the environment, more specifically regarding student interactions with the platform, can produce an informational deficit when it comes to analysis and evaluation of their performance. This lack of follow-up can be justified by the complexity and volume of data generated by the platform. Therefore, this paper presents an information processing model, called Performi (Student Performance Driven by Informational Processing), which aims to guide the creation of a tool that provides quali-quantitative informational support regarding the performance and interactions of students on the LMS Moodle, using the theoretical foundation of Information Science, to establish systematized and structured processes, steps, or flows. To do this, machine learning techniques are used as a data processing tool, allowing education professionals to enjoy enriched information. The nature of this work is quali-quantitative, of theoretical-applied purpose and of exploratory type, being its methodology exploratory research with proof of concept. To validate the model, a proof of concept guided by the Performi model was developed. The results indicate that the model extracts qualitative-quantitative data from LOG records and transforms them into contextualized information, besides organizing, describing, and guiding the interpretation of information, generating informational subsidies for decision making.
Descrição
Palavras-chave
Moodle, Aprendizado de máquina, LMS, Processamento da informação, Machine learning, Information processing
Como citar
SANTOS, Felipe Stefani Correia dos. Ferramenta de suporte à avaliação de performance e tomada de decisão no processo de ensino-aprendizagem de EAD. Universidade Estadual Paulista (Unesp), 2023.