[pt] Cursos online têm ampliado as possibilidades de pesquisa sobre comportamento e performance de estudantes. Esta tese investiga como apoiar instrutores na análise de logs de estudantes em Ambientes Virtuais de Aprendizagem. Primeiro, conduzimos entrevistas com instrutores e realizamos um mapeamento sistemático do estado da arte sobre Education Data Mining e Learning Analytics. Em seguida, analisamos logs de cursos online oferecidos no Brasil e comparamos nossas descobertas com resultados apresentados na literatura. Além disso, capturamos as preferências dos instrutores em relação a visualização de comportamento e performance de estudantes. Contudo, notamos uma lacuna de trabalhos mostrando modelos para o desenvolvimento de ferramentas de Learning Analytics. Com base nesses estudos, esta tese apresenta um modelo conectando teorias e modelos de visualização, assim como requisitos dos instrutores, suas preferências de visualização, diretrizes da literatura e métodos para análise de logs dos estudantes. Instanciamos e avaliamos esse modelo em uma ferramenta para montar dashboards, capturamos evidências de aceitação da nossa proposta e obtivemos feedbacks dos instrutores sobre a ferramenta tais como suas preferências de análise e visualizações. Por fim, apresentamos algumas considerações e discutimos lacunas existentes no trabalho que podem fundamentar e guiar futuras pesquisas, tais como desenvolvimento de novas instâncias e implantações do nosso modelo em instituições de ensino brasileiras e avaliação de eventuais mudanças na performance dos estudantes quando instrutores visualizam informações sobre o comportamento e performance deles, e agem de acordo. É importante ressaltar que a maioria dos estudos apresentados nessa tese foram conduzidos antes da pandemia de COVID-19. Somente o último estudo foi executado no início da pandemia no Brasil. / [en] Online education has broadened the avenues of research on student s behavior and performance. In this thesis, we shed light on how to support instructors in analyzing student logs from Virtual Learning Environments. Firstly, we conducted interviews with instructors and a systematic mapping of the state-of-art about Education Data Mining and Learning Analytics. Then, we analyzed logs from online courses offered in Brazil and compared our findings with results presented in the literature. Moreover, we gathered instructors preferences in regard to visualization of both students behavior and performance. However, we noted a lack of work showing models to support the development of learning analytics tools. In order to bridge this gap, this thesis presents a model connecting both Visual Analytics theories and models as well as instructors requirements, their visualization preferences, literature guidelines and methods for analyzing student logs. We instantiated and evaluated this model in a tool to assemble dashboards. We captured evidence of their acceptance of our proposal and obtained instructors feedback about the tool such as their both analysis and visualization preferences. Finally, we present some considerations and discuss gaps in existing works that can ground and guide future research, such as new instances of our model, as well as deploying them at Brazilian institutions and evaluating whether there are changes in students performance when instructors are able to see information about their behavior and performance, and act accordingly. It is worth highlighting that the majority of studies presented in this thesis were conducted before the COVID-19 pandemic. Only the last study was performed in the beginning of the pandemic in Brazil.