Professional Documents
Culture Documents
Isabela Gasparini
Avanilde Kemczinski
Programa de Ps Graduao em
Computao Aplicada (PPGCA)
Universidade do Estado de Santa
Catarina (UDESC)
Joinville, SC, Brasil
Programa de Ps Graduao em
Computao Aplicada (PPGCA)
Universidade do Estado de Santa
Catarina (UDESC)
Joinville, SC, Brasil
isabela.gasparini@udesc.br
barbara.moissa@gmail.com
ABSTRACT
Learning Analytics (LA) is a new research field, related to the
collection and analysis of students data to enhance learning and
the environment on which it occurs. This paper presents a
systematic mapping of the literature on the field, seeking to
understand which are the data types, the techniques, the
stakeholders and the interventions; and their relation with the
analysis goals: Monitoring and Analysis; Prediction and
Intervention; Tutoring and Mentoring; Assessment and Feedback;
Adaptation; Personalization and Recommendation; and
Reflection. We also analyze LA in the Massive Open Online
Courses (MOOCs) context. The results show several types of data
(the main is navigational data) and techniques; the main
stakeholders as researchers; and little focus on interventions. It
also shows research opportunities in the MOOCs context.
RESUMO
Learning Analytics uma nova rea de pesquisa, relacionada
coleta de dados dos alunos para melhorar o aprendizado e o
ambiente em que este ocorre. Este artigo apresenta um
mapeamento sistemtico da literatura da rea, procurando
entender quais so os tipos de dados, as tcnicas, as pessoas
interessadas e as intervenes; e sua relao com os objetivos de
anlise: Monitoramento e Anlise; Predio e Interveno;
Tutoria e Mentoria; Avaliao e Feedback; Adaptao;
Personalizao e Recomendao; e Reflexo. Ns tambm
analisamos a rea no contexto dos Massive Open Online Courses
(MOOCs). Os resultados mostram diferentes tipos de dados (o
principal so os dados navegacionais) e tcnicas; as principais
pessoas interessadas so pesquisadores; e pouco foco nas
intervenes. Estes tambm mostram oportunidades de pesquisa
no contexto dos MOOCs.
avanilde.kemczinski@udesc.br
Palavras Chaves
Learning Analytics, anlise de dados educacionais, Massive Open
Online Courses, Informtica na Educao
1. INTRODUO
Nos Ambientes Virtuais de Aprendizagem (AVAs) uma grande
quantidade de dados de navegao pode ser coletada,
possibilitando que sejam feitas diversas anlises relacionadas ao
comportamento do aluno no ambiente, auxiliando na prtica
pedaggica e at mesmo na melhoria do ambiente (de forma
similar ao uso de tcnicas web analytics, adotadas no comrcio
eletrnico). Neste sentido, surgem as Learning Analytics (LA),
uma rea de pesquisa relativamente nova na qual so analisados
os dados produzidos por alunos dentro e fora dos AVAs com o
objetivo de melhorar o processo de ensino-aprendizagem.
Com o objetivo de entender melhor a rea, este artigo prope um
mapeamento sistemtico da literatura para identificar quais os
tipos de dados, quais tcnicas, quais as intervenes (aes
realizadas aps uma anlise para mudar o processo de ensinoaprendizagem) e quais os usurios aos quais os resultados so
destinados, bem como qual a relao destes elementos com os
objetivos de anlise. Em seguida, para identificar oportunidades
de estudo da rea com dados de Massive Open Online Courses
(MOOCs) fazemos uma anlise dos trabalhos inseridos neste
contexto.
Termos Gerais
2. LEARNING ANALYTICS
Human Factors
283
O u?
Po
Quais dados?
u?
Qua o o jetivo?
Qual
o Academic Analytic
ytics: uma categoria ampla de
nologias para coletar, armazenar,
aplicaes e tecno
analisar e fornecerr acesso
a
a dados para ajudar usurios
de companhias a tomar
t
decises melhores [5]. Na
balhos desta rea geralmente so
literatura, os traba
tificao de estudantes em risco
relativos a identif
stas anlises so aplicadas a nvel
(predio) [3]. Est
institucional, regi
gional (i.e., cidade, estado) e
nacional/internacion
onal [2].
Lea i g A alyti
ti s
Co o?
Que ?
Quais t ni as?
Quais
uais os envolvidos?
o Minerao de Dados
D
Educacionais (do ingls
Educational Data Mining EDM): uma rea
emergente, cujo objetivo
o
definir mtodos para
explorar
dados
provenientes
de
ambientes
educacionais e utiliz
iliz-los para compreender melhor os
alunos e seu contex
texto de aprendizagem [6]. Por mais
que a definio des
esta rea seja similar a definio de
LA, ambas emprega
gam tcnicas diferentes. Enquanto a
Minerao de Dado
ados Educacionais emprega tcnicas
comuns de minera
rao de dados (e.g, clusterizao,
classificao, miner
erao de regras de associao) as
LA podem empreg
regar, alm destas, outras tcnicas
(e.g., Anlise das
da Redes Sociais, Estatsticas,
Visualizao da Inf
nformao). Outras diferenas entre
as reas podem serr encontradas
e
em [7].
284
Alu os
I te e es
Dados
A lises
3. METODOLOGIA
Esta seo detalha a metodologia da busca pelos trabalhos
mapeados neste artigo. Na Seo 3.1 so descritas as questes de
pesquisa, na Seo 3.2 detalhado o processo de conduo da
busca pelos artigos e na Seo 3.3 descrito como os artigos
foram selecionados dentre os resultados da busca e como estes
foram filtrados.
285
No conter learning analytics, elearning analytics ou elearning analytics no ttulo, resumo, termos gerais ou
palavras-chave;
Artigos duplicados;
Mo ito a e to
e A lise
P edio e
I te e o
Tuto ia e
Me to ia
A aliao e
Feed a k
Adaptao
Pe so alizao e
Re o e dao
Refle o
Total
Refle o
Pe so alizao e Re o e dao
Adaptao
A aliao e Feed a k
Tuto ia e Me to ia
A otaes
udio
Mo ito a e to e A lise
Aps realizar a busca conforme definido na Seo 3.2, foram prselecionados de acordo com os critrios de incluso 642 artigos.
Em seguida, foram aplicados os critrios de excluso, eliminando
515 deles. Assim, foram selecionados 127 artigos, resultando em
116 trabalhos analisados (o mais antigo de 2011 e o mais novo
de 2014). A Figura 4 mostra a distribuio destes trabalhos
conforme as categorias da dimenso Por qu?, considerando que
alguns destes possuem mais de um objetivo. Grande parte dos
trabalhos est concentrada na categoria Monitoramento e Anlise,
ou seja, trabalhos em que so coletados os dados dos alunos para
realizar anlises. Os trabalhos das categorias Avaliao e
Feedback e Predio e Interveno tambm so foco de grande
interesse na rea.
P edio e I te e o
4. Resultados e Anlises
Dados
de og fi os
Dados do
a ie te
E t e istas
Hist i o es ola
Mdias so iais
Dados
Na ega io ais
Questio ios
Vdeos
286
Mo ito a e to P edio e
e A lise
I te e o
Tuto ia e
Me to ia
A aliao e
Feed a k
Pe so alizao e
Adaptao Re o e dao Refle o
Ap e dizage
de M ui a
Estatsti as
Mi e ao
de dados
A lise das
Redes So iais
A lises de Te to
Visualizao
da I fo ao
Out as
Alu os
Co selhei os
Dese ol edo es
P ofesso es
Pes uisado es
287
Total
Refle o
Pe so alizao e Re o e dao
Adaptao
Tuto ia e Me to ia
P edio e I te e o
Ad i ist ado es
P li o alvo
Mo ito a e to e A lise
A aliao e Feed a k
O jetivos
Total
Refle o
Pe so alizao e Re o e dao
Adaptao
A aliao e Feed a k
Tuto ia e Me to ia
P edio e I te e o
Mo ito a e to e A lise
O jetivos
Adaptao
I te ve o
Alte ao
pedaggi a
Feed a k
O ie taes
Notifi aes
Re o e daes
Se
i te e o
288
Mo ito a e to P edio e
e A lise
I te e o
Tuto ia e
Me to ia
A aliao e
Feed a k
Adaptao
Pe so alizao
e
Re o e dao
Refle o
Figura 9. Distribuio dos trabalhos de Learning Analytics em Massive Open Online Courses por objetivo
Os oito trabalhos de LA em MOOCs foram distribudos de acordo
com seus objetivos na Figura 9 (assim como o grfico da Figura 4,
alguns trabalhos possuem mais de um objetivo). Conforme pode
ser observado, no foram encontrados trabalhos que tratem da
tutoria/mentoria e nem da Avaliao e Feedback. Em conjunto
com a anlise qualitativa, percebe-se que por mais que tenham
sido encontrados trabalhos nas categorias Adaptao;
Personalizao e Recomendao; e Reflexo estes objetivos ainda
possuem muitos ngulos a serem explorados.
6. DISCUSSO
Atravs do mapeamento sistemtico realizado, pode-se verificar
que a grande maioria dos trabalhos de LA est relacionado a
categoria Monitoramento e Anlise. No entanto, 56% dos
trabalhos assim classificados continham anlises exploratrias
com propsitos diversos como, por exemplo, descobrir quais
interaes realizadas no ambiente de aprendizagem refletem
positiva ou negativamente no aprendizado. De acordo com Duval
e Verbert [20], este um dos desafios da rea devido ao pouco
consenso sobre quais so os indicadores relevantes. Outros
objetivos que a LA pode ajudar a atingir, mas ainda pouco
explorados, so a tutoria, mentoria e recomendao.
Outro ponto a ser explorado a diferena entre as ferramentas de
avaliao; de feedback; de reflexo; e de monitoramento e anlise.
Salvo a ferramenta Live Interest Meter [21] que claramente possui
caractersticas de feedback devido ao seu contexto de aplicao
(i.e., o pblico avalia a apresentao e o apresentador recebe estes
resultados em tempo real), as ferramentas inseridas nestas
categorias coletam dados, calculam mtricas/indicadores e os
exibem para o que usurio final analise os resultados e obtenha
suas concluses. Alguns pontos a serem analisados so: Nestas
ferramentas o que muda so as mtricas/indicadores calculados?
Estas ferramentas possibilitam que todos estes objetivos sejam
alcanados de acordo com as necessidades dos usurios? H
alguma funcionalidade adicional, no relacionada diretamente a
LA, que as diferencie?
Em relao a categoria Personalizao e Recomendao, no h
trabalhos que tratem especificamente da personalizao. Por este
motivo e pela definio do termo (i.e. configurar o ambiente de
acordo com as preferncias pessoais), acreditamos que este no
um objetivo de LA, mas um possvel pr-requisito para a
recomendao.
Em relao aos dados, os navegacionais so os que predominam.
No entanto, a utilizao desses dados nos trabalhos encontrados
so basicamente em cursos tradicionais (para poucos alunos) e
no em MOOCs (para muitos alunos). Dos trabalhos de LA que
utilizam dados de MOOCs, alguns so exploratrios, outros
apresentam propostas de ferramentas e apenas dois trabalhos
apresentam ferramentas desenvolvidas. Neste contexto so
7. CONSIDERAES FINAIS
As Learning Analytics so uma nova rea de pesquisa na
Informtica na Educao que tem como objetivo melhorar o
processo de ensino-aprendizagem atravs da anlise de dados
gerados pelos alunos. Estas anlises podem ser feitas com
diferentes tipos de dados (e.g., navegao do usurio, dados do
AVA, dados demogrficos, etc.) utilizando diversas tcnicas (e.g.,
minerao de dados, estatsticas, visualizao da informao, etc.)
para atingir diferentes objetivos (e.g., predio, tutoria, adaptao,
personalizao, recomendao, etc.).
Os resultados destas anlises podem ser mostrados para diferentes
pessoas (e.g., alunos, professores, conselheiros, administradores,
etc.) e podem acarretar em alguma alterao do processo de
ensino-aprendizagem (e.g., modificao do silabo e/ou materiais,
orientaes aos alunos, etc.). Estas alteraes no processo ensinoaprendizagem so chamadas de interveno e, conforme
289
[8]
[9]
[11]
[13]
[10]
[12]
[14]
8. AGRADECIMENTOS
Agradecemos Coordenao de Aperfeioamento de Pessoal de
Nvel Superior (CAPES), ao Conselho Nacional de
Desenvolvimento Cientfico e Tecnolgico (CNPq) e Fundao
de Amparo Pesquisa e Inovao do Estado de Santa Catarina
(FAPESC) pelo apoio durante a realizao deste trabalho.
[15]
9. REFERNCIAS
[1]
[2]
[3]
[4]
[5]
[6]
[7]
[16]
[17]
[18]
[19]
[20]
[21]
290