Esta tese apresenta uma pesquisa para detectar os alunos que evidenciam sinais de frustração em atividades de ensino e de aprendizagem na área de Algoritmos, para então, auxiliá-los com ações proativas de apoio. A motivação para o desenvolvimento deste trabalho advém da dificuldade dos alunos na aprendizagem dos conceitos e técnicas de construção de Algoritmos, que se constitui num dos principais fatores que levam os cursos de formação em Computação a atingir altas taxas de evasão. Na busca por diminuir tal evasão, esta pesquisa destaca a importância de considerar os estados afetivos dos alunos, procurando motivá-los a estudar e resolver suas dificuldades de entendimento da resolução de problemas usando como suporte os sistemas computacionais. Para fins de validação da pesquisa foi construída uma ferramenta para: a) inferir o estado afetivo de frustração do aluno durante a resolução dos exercícios de Algoritmos, b) ao detectar sinais associados à frustração, apresentar recursos de apoio ao aprendizado do aluno. A inferência da frustração ocorre a partir da análise das variáveis comportamentais produzidas pelas interações dos alunos com a ferramenta. O apoio consiste na exibição de um tutorial com a resolução passo a passo do exercício no qual o aluno apresenta dificuldades e na recomendação de um novo exercício com níveis de complexidade mais lineares aos conceitos trabalhados até aquele ponto da disciplina. A partir destas ações, pretende-se auxiliar a fazer com que a frustração do aluno possa ser transformada em uma oportunidade de aprendizado. Estudos de Caso foram realizados com alunos de Algoritmos do curso de Tecnologia em Análise e Desenvolvimento de Sistemas da Faculdade de Tecnologia Senac Pelotas durante os anos de 2011 e 2012. Para identificar os padrões de comportamento dos alunos foram utilizadas técnicas de Mineração de Dados. Os resultados dos experimentos demonstraram que evidências como, o alto número de tentativas de compilação de um programa sem sucesso, o grande número de erros em um mesmo programa ou a quantidade de tempo gasto na tentativa de resolver um algoritmo, podem estar relacionadas ao estado de frustração do aluno. Além disso, em um dos experimentos foi realizado um comparativo de pré e pós-teste que demonstrou importantes avanços no aprendizado dos alunos participantes da pesquisa. / This thesis presents a research work on the detection of students who show signs of frustration in learning activities in the area of algorithms, to then assist them with proactive support actions. Our motivation for the development of this work comes from students' difficulty in learning the concepts and techniques for building algorithms, which constitutes one of the main factors for the high dropout rates of computing courses. With the intent of giving a contribution to the reduction of such evasion, this research highlights the importance of considering students' affective states, trying to motivate them to study and work out their difficulties, with the assistance of computer systems. For research validation purposes, a tool was built to: a) infer the student’s affective state of frustration while solving exercises of algorithms; b) detect signs associated with frustration, to provide resources to support student learning. The inference of frustration comes from the analysis of behavioral variables produced by the interactions of students with the tool. The support consists in displaying a tutorial with a step by step solution for the exercise in which the student shows difficulties, and the recommendation of a new exercise with more linear levels of complexity than the concepts worked until that point in the course. With these actions, our intention is to turn student's frustration into a learning opportunity. Case studies were conducted with students of Algorithms at the Faculty of Technology Senac Pelotas, in 2011 and 2012. Data mining techniques were used to identify patterns of student behavior. The experiment results showed that evidence such as the high number of attempts to compile a program without success, the large number of errors in a program or even the amount of time spent trying to solve an algorithm, might be related to the student’s frustration state. Additionally, a pre and post-test comparison showed significant progress in students' learning.

O estudo proposto nessa Tese busca verificar como uma intervenção de carreira não presencial pode auxiliar o participante em sua planificação de metas em relação à carreira, relacionando os resultados às características de personalidade e aos estados afetivos. A motivação para o desenvolvimento deste trabalho interdisciplinar (Educação, Psicologia e Computação Afetiva) advém da dinamicidade do atual contexto do mercado de trabalho e da necessidade de ampliar o acesso a esse tipo de intervenção. As principais teorias que suportam a pesquisa são as de Super, Savickas, Holland, Scherer e o modelo dos Cinco Grandes Fatores da Personalidade (Big Five). Para fins de validação do estudo foi, inicialmente, desenvolvido o CarreiraEAD, um Objeto para apoio ao planejamento, suportado em um Ambiente Virtual de Ensino e Aprendizagem, o Moodle, que é dividido em introdução, aplicação do teste psicológico online L.A.B.E.L. (Lista de Adjetivos Bipolares e em Escala Likert), Inventário Pessoal do Passado, Observando o Presente e Planejando o Futuro. Entre todos os módulos foi aplicada uma Roda de Estados Afetivos (REA) a fim de verificar os estados afetivos durante o processo de planejamento de carreira. Neste experimento, alunos de graduação foram distribuídos em um de três diferentes grupos de análise. Todos os grupos foram realizados pelo mesmo Orientador de carreira. A diferença existente entre as intervenções baseou-se no modo como o Orientador mediou cada grupo. Os resultados demonstraram evidências de que os comportamentos que caracterizam o planejamento de carreira estão relacionados a estados afetivos e a traços de personalidade, como a conscienciosidade, a estabilidade emocional, o lócus de controle interno, a autonomia, a persistência, a criatividade/abertura a experiências e a tomada de risco. Foi realizada uma ANOVA fatorial de medidas repetidas com o objetivo de avaliar se houve mudança nos escores na Escala de Decisão de Carreira (EDC) para todo o grupo e para as diferentes formas de mediação. Os resultados demonstraram que houve uma variação significativa dos escores da EDC considerando todos os participantes [F(1, 36) = 10,23, p =0,003; Eta2 = 0,221; Poder = 0,88), sendo que, globalmente, os escores em T2 (Depois) foram maiores do que em T1 (Antes). O resultado do tamanho de efeito (Eta2) sugere que a diferença entre pré-teste e pós- teste, considerando os três grupos conjuntamente, foi relevante. Tal resultado é interessante na medida em que sugere a eficácia da intervenção. Um teste de comparações de médias (teste t de Student) indicou haver diferenças estatisticamente significativas no escore geral de estado afetivo entre participantes persistentes e desistentes, no CarreiraEAD, o que proporcionou a verificação de que os participantes que persisitiram apresentaram estados afetivos mais positivos. Em síntese, através dessa pesquisa foi possível perceber que o CarreiraEAD é uma forma eficaz de, considerando as características de personalidade e os estados afetivos, realizar o planejamento de carreira na modalidade virtual. / The study proposed on this thesis aims to verify how a career intervention in a virtual environment can assist the participants in planning his or her objectives regarding career, relating the outcome to personality traits and emotional states. The motivation for the development of this interdisciplinary work (Education, Psychology and Affective Computing) arises from the dynamics of the current context of the employment market and the need to increase the accessibility to this type of intervention. Super, Savickas, Holland, Scherer and the Five Factor Model of Personality (Big Five) are the main theories underpinning this research. CarreiraEAD, an instrument to support the planning, based on in a Virtual Teaching and Learning Environment, the Moodle, was initially developed to help in the validation of this study. CarreiraEAD is divided in introduction, application of the online psychological test L.A.B.E.L. (list of Bipolar Adjectives and Likert Scale), Personal Inventory of Past, Observing the Present and Planning the Future. Between the modules the Wheel of Affective States (WAS) was applied to verify affective states during the career planning process. Undergraduate students were assigned to one of three different analysis groups in this experiment. All groups were coordinated by the same career advisor. The difference between the interventions was based on the advisor approach to each group. The outcome showed evidences that the behaviors that characterize the career planning are related to affective states and personality traits such as conscientiousness, emotional stability, internal control locus, autonomy, persistence, creativity/openness to experience and risk taking. Factorial repeated measures ANOVA was performed with the aim of assessing whether there was a change in the scores of the Career Decision Scale (CDS) for the whole group and for different forms of mediation. Results showed that there was a significant variation in CDS scores considering all participants [F(1, 36) = 10.23, p =0.003, Eta2 = 0.221, Power =0.88), whereas globally the T2 scores (After) were higher than in T1(Before). Effect size (Eta2) results suggest that the difference between pretest and posttest was significant, considering the three groups jointly. This outcome is relevant since it suggests the intervention effectiveness. Mean test comparison (Student t test) showed a statistically significant difference in affective state total score between persistent participants and dropouts in CarreiraEAD, which elicited verification regarding the persistent participants, which showed more positive affective states. In summary, the present research enabled to validate that CarreiraEAD, considering the personality characteristics and emotional states, is an effective instrument to perform the career planning in a virtual environment.

Este trabalho apresenta um framework que permite a programação de agentes capazes de perceberem seus próprios estados emocionais. O framework foi desenvolvido em Java com base na plataforma multi-agente Jason, estendendo a base de crenças de agentes Jason a fim de utilizar a ontologia afetiva desenvolvida. Além disso, o ambiente foi construído a partir de uma base de conhecimento que descreve rotinas em ambientes simulados. Um mecanismo de avaliação das emoções baseando-se nas anotações dos objetos foi construído apoiado por uma ontologia de preferência sobre essas anotações. Dessa forma, aplicações de entretenimento poderiam utilizar o sistema ou as bases de conhecimento apresentadas para diferentes propósitos. A criação de um mapa onde os personagens atuam, e a criação da rotina de cada personagem e suas preferências são alguns exemplos de utilizações. Para validação do framework desenvolvido, dois exemplos foram construídos. O primeiro utilizou a maior parte dos grupos afetivos da ontologia proposta, com a finalidade principal de demonstrar o modelo implementado. Já o segundo usa apenas um grupo emotivo e serve para demonstrar a utilização conjunta de todas as ontologias apresentadas. / This work presents a framework built on top of the Jason platform (BORDINI et al., 2004) to allow the development of software agents that have emotional states. The framework was developed in Java and extends the belief base of Jason agents so as to use an ontology for the OCC affective model (ORTONY; COLLINS; CLORE, 1988) that has been created as part of this work. The developed belief base allows an agent to perceive its own emotions throw inferring new beliefs based on the agent’s appraisal of the state of the environment. In addition, a model of agents’ routine tasks was defined, as was a model for agents’ preferences about aspects of environment, helping automate the ascription of emotional states. Finally, in order to validate the developed framework, two applications were developed. The first demonstrates the use of various different emotions from the affective model and the second uses in a single application all the ontologies and models developed as part of this work.

Este trabalho apresenta o processo de construção de um modelo de inferência de emoções que um aluno sente em relação a outros alunos durante interação síncrona em um contexto de jogo colaborativo de aprendizagem. A inferência de emoções está psicologicamente fundamentada na abordagem da avaliação cognitiva e foram investigadas relações entre objetivos e normas comportamentais do aluno e aspectos de sua personalidade. Especificamente, foram empregados o modelo OCC de emoções e o modelo Big-Five (Cinco Grandes Fatores) de traços de personalidade para a fundamentação teórica da modelagem. O modelo afetivo representa a vergonha e orgulho apresentados pelo aluno em resposta à avaliação cognitiva de suas próprias ações e a reprovação e admiração apresentadas pelo aluno em resposta a ações de seu parceiro de jogo, a partir da avaliação do comportamento observável dos parceiros representado por suas interações no jogo colaborativo, em relação a normas comportamentais do aluno. A fim de suportar a incerteza presente na informação afetiva e cognitiva do aluno, adotou-se uma representação deste conhecimento através de Rede Bayesiana. Um refinamento qualitativo parcial e a respectiva parametrização quantitativa do modelo probabilístico foram efetuados a partir da análise de uma base de casos obtida através da condução de experimentos. A fim de prover um ambiente experimental, foi concebido e prototipado um jogo colaborativo no qual dois indivíduos conjugam esforços a fim de resolver problemas lógicos comuns à dupla, através de ações coordenadas, negociação simples e comunicação estruturada, em competição com outras duplas. / This work presents the construction of a model to infer emotions a student feels towards other students during synchronous interaction in the context of a collaborative learning game. The emotions inference is psychologically based on cognitive appraisal theory. Some relations between students’ personality and their goals and behavioral standards were also investigated. This modeling was based on OCC emotion model and Big-Five personality model. The affective model represents the student’s proud and shame as an answer to the cognitive appraisal of her/his own attributed interactions, and the student’s admiration and reproach as an answer to the cognitive appraisal of her/his partner attributed interactions, both according to the student’s behavioral standards. Bayesian Network knowledge representation was employed to better stand for the uncertainty present in the student’s cognitive and affective information. Employing a data-driven procedure, the probabilistic model was partially refined in terms of qualitative relations and quantitative parameters. Experimental data were obtained by using a game prototype implemented in order to support a collaborative dynamics of coordinated action, simple negotiation and structured communication, through which students interacted in order to solve shared problems, during synchronous competition with other students.

Esta tese apresenta uma pesquisa para detectar os alunos que evidenciam sinais de frustração em atividades de ensino e de aprendizagem na área de Algoritmos, para então, auxiliá-los com ações proativas de apoio. A motivação para o desenvolvimento deste trabalho advém da dificuldade dos alunos na aprendizagem dos conceitos e técnicas de construção de Algoritmos, que se constitui num dos principais fatores que levam os cursos de formação em Computação a atingir altas taxas de evasão. Na busca por diminuir tal evasão, esta pesquisa destaca a importância de considerar os estados afetivos dos alunos, procurando motivá-los a estudar e resolver suas dificuldades de entendimento da resolução de problemas usando como suporte os sistemas computacionais. Para fins de validação da pesquisa foi construída uma ferramenta para: a) inferir o estado afetivo de frustração do aluno durante a resolução dos exercícios de Algoritmos, b) ao detectar sinais associados à frustração, apresentar recursos de apoio ao aprendizado do aluno. A inferência da frustração ocorre a partir da análise das variáveis comportamentais produzidas pelas interações dos alunos com a ferramenta. O apoio consiste na exibição de um tutorial com a resolução passo a passo do exercício no qual o aluno apresenta dificuldades e na recomendação de um novo exercício com níveis de complexidade mais lineares aos conceitos trabalhados até aquele ponto da disciplina. A partir destas ações, pretende-se auxiliar a fazer com que a frustração do aluno possa ser transformada em uma oportunidade de aprendizado. Estudos de Caso foram realizados com alunos de Algoritmos do curso de Tecnologia em Análise e Desenvolvimento de Sistemas da Faculdade de Tecnologia Senac Pelotas durante os anos de 2011 e 2012. Para identificar os padrões de comportamento dos alunos foram utilizadas técnicas de Mineração de Dados. Os resultados dos experimentos demonstraram que evidências como, o alto número de tentativas de compilação de um programa sem sucesso, o grande número de erros em um mesmo programa ou a quantidade de tempo gasto na tentativa de resolver um algoritmo, podem estar relacionadas ao estado de frustração do aluno. Além disso, em um dos experimentos foi realizado um comparativo de pré e pós-teste que demonstrou importantes avanços no aprendizado dos alunos participantes da pesquisa. / This thesis presents a research work on the detection of students who show signs of frustration in learning activities in the area of algorithms, to then assist them with proactive support actions. Our motivation for the development of this work comes from students' difficulty in learning the concepts and techniques for building algorithms, which constitutes one of the main factors for the high dropout rates of computing courses. With the intent of giving a contribution to the reduction of such evasion, this research highlights the importance of considering students' affective states, trying to motivate them to study and work out their difficulties, with the assistance of computer systems. For research validation purposes, a tool was built to: a) infer the student’s affective state of frustration while solving exercises of algorithms; b) detect signs associated with frustration, to provide resources to support student learning. The inference of frustration comes from the analysis of behavioral variables produced by the interactions of students with the tool. The support consists in displaying a tutorial with a step by step solution for the exercise in which the student shows difficulties, and the recommendation of a new exercise with more linear levels of complexity than the concepts worked until that point in the course. With these actions, our intention is to turn student's frustration into a learning opportunity. Case studies were conducted with students of Algorithms at the Faculty of Technology Senac Pelotas, in 2011 and 2012. Data mining techniques were used to identify patterns of student behavior. The experiment results showed that evidence such as the high number of attempts to compile a program without success, the large number of errors in a program or even the amount of time spent trying to solve an algorithm, might be related to the student’s frustration state. Additionally, a pre and post-test comparison showed significant progress in students' learning.

O estudo proposto nessa Tese busca verificar como uma intervenção de carreira não presencial pode auxiliar o participante em sua planificação de metas em relação à carreira, relacionando os resultados às características de personalidade e aos estados afetivos. A motivação para o desenvolvimento deste trabalho interdisciplinar (Educação, Psicologia e Computação Afetiva) advém da dinamicidade do atual contexto do mercado de trabalho e da necessidade de ampliar o acesso a esse tipo de intervenção. As principais teorias que suportam a pesquisa são as de Super, Savickas, Holland, Scherer e o modelo dos Cinco Grandes Fatores da Personalidade (Big Five). Para fins de validação do estudo foi, inicialmente, desenvolvido o CarreiraEAD, um Objeto para apoio ao planejamento, suportado em um Ambiente Virtual de Ensino e Aprendizagem, o Moodle, que é dividido em introdução, aplicação do teste psicológico online L.A.B.E.L. (Lista de Adjetivos Bipolares e em Escala Likert), Inventário Pessoal do Passado, Observando o Presente e Planejando o Futuro. Entre todos os módulos foi aplicada uma Roda de Estados Afetivos (REA) a fim de verificar os estados afetivos durante o processo de planejamento de carreira. Neste experimento, alunos de graduação foram distribuídos em um de três diferentes grupos de análise. Todos os grupos foram realizados pelo mesmo Orientador de carreira. A diferença existente entre as intervenções baseou-se no modo como o Orientador mediou cada grupo. Os resultados demonstraram evidências de que os comportamentos que caracterizam o planejamento de carreira estão relacionados a estados afetivos e a traços de personalidade, como a conscienciosidade, a estabilidade emocional, o lócus de controle interno, a autonomia, a persistência, a criatividade/abertura a experiências e a tomada de risco. Foi realizada uma ANOVA fatorial de medidas repetidas com o objetivo de avaliar se houve mudança nos escores na Escala de Decisão de Carreira (EDC) para todo o grupo e para as diferentes formas de mediação. Os resultados demonstraram que houve uma variação significativa dos escores da EDC considerando todos os participantes [F(1, 36) = 10,23, p =0,003; Eta2 = 0,221; Poder = 0,88), sendo que, globalmente, os escores em T2 (Depois) foram maiores do que em T1 (Antes). O resultado do tamanho de efeito (Eta2) sugere que a diferença entre pré-teste e pós- teste, considerando os três grupos conjuntamente, foi relevante. Tal resultado é interessante na medida em que sugere a eficácia da intervenção. Um teste de comparações de médias (teste t de Student) indicou haver diferenças estatisticamente significativas no escore geral de estado afetivo entre participantes persistentes e desistentes, no CarreiraEAD, o que proporcionou a verificação de que os participantes que persisitiram apresentaram estados afetivos mais positivos. Em síntese, através dessa pesquisa foi possível perceber que o CarreiraEAD é uma forma eficaz de, considerando as características de personalidade e os estados afetivos, realizar o planejamento de carreira na modalidade virtual. / The study proposed on this thesis aims to verify how a career intervention in a virtual environment can assist the participants in planning his or her objectives regarding career, relating the outcome to personality traits and emotional states. The motivation for the development of this interdisciplinary work (Education, Psychology and Affective Computing) arises from the dynamics of the current context of the employment market and the need to increase the accessibility to this type of intervention. Super, Savickas, Holland, Scherer and the Five Factor Model of Personality (Big Five) are the main theories underpinning this research. CarreiraEAD, an instrument to support the planning, based on in a Virtual Teaching and Learning Environment, the Moodle, was initially developed to help in the validation of this study. CarreiraEAD is divided in introduction, application of the online psychological test L.A.B.E.L. (list of Bipolar Adjectives and Likert Scale), Personal Inventory of Past, Observing the Present and Planning the Future. Between the modules the Wheel of Affective States (WAS) was applied to verify affective states during the career planning process. Undergraduate students were assigned to one of three different analysis groups in this experiment. All groups were coordinated by the same career advisor. The difference between the interventions was based on the advisor approach to each group. The outcome showed evidences that the behaviors that characterize the career planning are related to affective states and personality traits such as conscientiousness, emotional stability, internal control locus, autonomy, persistence, creativity/openness to experience and risk taking. Factorial repeated measures ANOVA was performed with the aim of assessing whether there was a change in the scores of the Career Decision Scale (CDS) for the whole group and for different forms of mediation. Results showed that there was a significant variation in CDS scores considering all participants [F(1, 36) = 10.23, p =0.003, Eta2 = 0.221, Power =0.88), whereas globally the T2 scores (After) were higher than in T1(Before). Effect size (Eta2) results suggest that the difference between pretest and posttest was significant, considering the three groups jointly. This outcome is relevant since it suggests the intervention effectiveness. Mean test comparison (Student t test) showed a statistically significant difference in affective state total score between persistent participants and dropouts in CarreiraEAD, which elicited verification regarding the persistent participants, which showed more positive affective states. In summary, the present research enabled to validate that CarreiraEAD, considering the personality characteristics and emotional states, is an effective instrument to perform the career planning in a virtual environment.

abstract: Research has shown that the learning processes can be enriched and enhanced with the presence of affective interventions. The goal of this dissertation was to design, implement, and evaluate an affective agent that provides affective support in real-time in order to enrich the student’s learning experience and performance by inducing and/or maintaining a productive learning path. This work combined research and best practices from affective computing, intelligent tutoring systems, and educational technology to address the design and implementation of an affective agent and corresponding pedagogical interventions. It included the incorporation of the affective agent into an Exploratory Learning Environment (ELE) adapted for this research. A gendered, three-dimensional, animated, human-like character accompanied by text- and speech-based dialogue visually represented the proposed affective agent. The agent’s pedagogical interventions considered inputs from the ELE (interface, model building, and performance events) and from the user (emotional and cognitive events). The user’s emotional events captured by biometric sensors and processed by a decision-level fusion algorithm for a multimodal system in combination with the events from the ELE informed the production-rule-based behavior engine to define and trigger pedagogical interventions. The pedagogical interventions were focused on affective dimensions and occurred in the form of affective dialogue prompts and animations. An experiment was conducted to assess the impact of the affective agent, Hope, on the student’s learning experience and performance. In terms of the student’s learning experience, the effect of the agent was analyzed in four components: perception of the instructional material, perception of the usefulness of the agent, ELE usability, and the affective responses from the agent triggered by the student’s affective states. Additionally, in terms of the student’s performance, the effect of the agent was analyzed in five components: tasks completed, time spent solving a task, planning time while solving a task, usage of the provided help, and attempts to successfully complete a task. The findings from the experiment did not provide the anticipated results related to the effect of the agent; however, the results provided insights to improve diverse components in the design of affective agents as well as for the design of the behavior engines and algorithms to detect, represent, and handle affective information. / Dissertation/Thesis / Doctoral Dissertation Computer Science 2018

Este trabalho apresenta um framework que permite a programação de agentes capazes de perceberem seus próprios estados emocionais. O framework foi desenvolvido em Java com base na plataforma multi-agente Jason, estendendo a base de crenças de agentes Jason a fim de utilizar a ontologia afetiva desenvolvida. Além disso, o ambiente foi construído a partir de uma base de conhecimento que descreve rotinas em ambientes simulados. Um mecanismo de avaliação das emoções baseando-se nas anotações dos objetos foi construído apoiado por uma ontologia de preferência sobre essas anotações. Dessa forma, aplicações de entretenimento poderiam utilizar o sistema ou as bases de conhecimento apresentadas para diferentes propósitos. A criação de um mapa onde os personagens atuam, e a criação da rotina de cada personagem e suas preferências são alguns exemplos de utilizações. Para validação do framework desenvolvido, dois exemplos foram construídos. O primeiro utilizou a maior parte dos grupos afetivos da ontologia proposta, com a finalidade principal de demonstrar o modelo implementado. Já o segundo usa apenas um grupo emotivo e serve para demonstrar a utilização conjunta de todas as ontologias apresentadas. / This work presents a framework built on top of the Jason platform (BORDINI et al., 2004) to allow the development of software agents that have emotional states. The framework was developed in Java and extends the belief base of Jason agents so as to use an ontology for the OCC affective model (ORTONY; COLLINS; CLORE, 1988) that has been created as part of this work. The developed belief base allows an agent to perceive its own emotions throw inferring new beliefs based on the agent’s appraisal of the state of the environment. In addition, a model of agents’ routine tasks was defined, as was a model for agents’ preferences about aspects of environment, helping automate the ascription of emotional states. Finally, in order to validate the developed framework, two applications were developed. The first demonstrates the use of various different emotions from the affective model and the second uses in a single application all the ontologies and models developed as part of this work.

Esta tese apresenta uma pesquisa para detectar os alunos que evidenciam sinais de frustração em atividades de ensino e de aprendizagem na área de Algoritmos, para então, auxiliá-los com ações proativas de apoio. A motivação para o desenvolvimento deste trabalho advém da dificuldade dos alunos na aprendizagem dos conceitos e técnicas de construção de Algoritmos, que se constitui num dos principais fatores que levam os cursos de formação em Computação a atingir altas taxas de evasão. Na busca por diminuir tal evasão, esta pesquisa destaca a importância de considerar os estados afetivos dos alunos, procurando motivá-los a estudar e resolver suas dificuldades de entendimento da resolução de problemas usando como suporte os sistemas computacionais. Para fins de validação da pesquisa foi construída uma ferramenta para: a) inferir o estado afetivo de frustração do aluno durante a resolução dos exercícios de Algoritmos, b) ao detectar sinais associados à frustração, apresentar recursos de apoio ao aprendizado do aluno. A inferência da frustração ocorre a partir da análise das variáveis comportamentais produzidas pelas interações dos alunos com a ferramenta. O apoio consiste na exibição de um tutorial com a resolução passo a passo do exercício no qual o aluno apresenta dificuldades e na recomendação de um novo exercício com níveis de complexidade mais lineares aos conceitos trabalhados até aquele ponto da disciplina. A partir destas ações, pretende-se auxiliar a fazer com que a frustração do aluno possa ser transformada em uma oportunidade de aprendizado. Estudos de Caso foram realizados com alunos de Algoritmos do curso de Tecnologia em Análise e Desenvolvimento de Sistemas da Faculdade de Tecnologia Senac Pelotas durante os anos de 2011 e 2012. Para identificar os padrões de comportamento dos alunos foram utilizadas técnicas de Mineração de Dados. Os resultados dos experimentos demonstraram que evidências como, o alto número de tentativas de compilação de um programa sem sucesso, o grande número de erros em um mesmo programa ou a quantidade de tempo gasto na tentativa de resolver um algoritmo, podem estar relacionadas ao estado de frustração do aluno. Além disso, em um dos experimentos foi realizado um comparativo de pré e pós-teste que demonstrou importantes avanços no aprendizado dos alunos participantes da pesquisa. / This thesis presents a research work on the detection of students who show signs of frustration in learning activities in the area of algorithms, to then assist them with proactive support actions. Our motivation for the development of this work comes from students' difficulty in learning the concepts and techniques for building algorithms, which constitutes one of the main factors for the high dropout rates of computing courses. With the intent of giving a contribution to the reduction of such evasion, this research highlights the importance of considering students' affective states, trying to motivate them to study and work out their difficulties, with the assistance of computer systems. For research validation purposes, a tool was built to: a) infer the student’s affective state of frustration while solving exercises of algorithms; b) detect signs associated with frustration, to provide resources to support student learning. The inference of frustration comes from the analysis of behavioral variables produced by the interactions of students with the tool. The support consists in displaying a tutorial with a step by step solution for the exercise in which the student shows difficulties, and the recommendation of a new exercise with more linear levels of complexity than the concepts worked until that point in the course. With these actions, our intention is to turn student's frustration into a learning opportunity. Case studies were conducted with students of Algorithms at the Faculty of Technology Senac Pelotas, in 2011 and 2012. Data mining techniques were used to identify patterns of student behavior. The experiment results showed that evidence such as the high number of attempts to compile a program without success, the large number of errors in a program or even the amount of time spent trying to solve an algorithm, might be related to the student’s frustration state. Additionally, a pre and post-test comparison showed significant progress in students' learning.

O estudo proposto nessa Tese busca verificar como uma intervenção de carreira não presencial pode auxiliar o participante em sua planificação de metas em relação à carreira, relacionando os resultados às características de personalidade e aos estados afetivos. A motivação para o desenvolvimento deste trabalho interdisciplinar (Educação, Psicologia e Computação Afetiva) advém da dinamicidade do atual contexto do mercado de trabalho e da necessidade de ampliar o acesso a esse tipo de intervenção. As principais teorias que suportam a pesquisa são as de Super, Savickas, Holland, Scherer e o modelo dos Cinco Grandes Fatores da Personalidade (Big Five). Para fins de validação do estudo foi, inicialmente, desenvolvido o CarreiraEAD, um Objeto para apoio ao planejamento, suportado em um Ambiente Virtual de Ensino e Aprendizagem, o Moodle, que é dividido em introdução, aplicação do teste psicológico online L.A.B.E.L. (Lista de Adjetivos Bipolares e em Escala Likert), Inventário Pessoal do Passado, Observando o Presente e Planejando o Futuro. Entre todos os módulos foi aplicada uma Roda de Estados Afetivos (REA) a fim de verificar os estados afetivos durante o processo de planejamento de carreira. Neste experimento, alunos de graduação foram distribuídos em um de três diferentes grupos de análise. Todos os grupos foram realizados pelo mesmo Orientador de carreira. A diferença existente entre as intervenções baseou-se no modo como o Orientador mediou cada grupo. Os resultados demonstraram evidências de que os comportamentos que caracterizam o planejamento de carreira estão relacionados a estados afetivos e a traços de personalidade, como a conscienciosidade, a estabilidade emocional, o lócus de controle interno, a autonomia, a persistência, a criatividade/abertura a experiências e a tomada de risco. Foi realizada uma ANOVA fatorial de medidas repetidas com o objetivo de avaliar se houve mudança nos escores na Escala de Decisão de Carreira (EDC) para todo o grupo e para as diferentes formas de mediação. Os resultados demonstraram que houve uma variação significativa dos escores da EDC considerando todos os participantes [F(1, 36) = 10,23, p =0,003; Eta2 = 0,221; Poder = 0,88), sendo que, globalmente, os escores em T2 (Depois) foram maiores do que em T1 (Antes). O resultado do tamanho de efeito (Eta2) sugere que a diferença entre pré-teste e pós- teste, considerando os três grupos conjuntamente, foi relevante. Tal resultado é interessante na medida em que sugere a eficácia da intervenção. Um teste de comparações de médias (teste t de Student) indicou haver diferenças estatisticamente significativas no escore geral de estado afetivo entre participantes persistentes e desistentes, no CarreiraEAD, o que proporcionou a verificação de que os participantes que persisitiram apresentaram estados afetivos mais positivos. Em síntese, através dessa pesquisa foi possível perceber que o CarreiraEAD é uma forma eficaz de, considerando as características de personalidade e os estados afetivos, realizar o planejamento de carreira na modalidade virtual. / The study proposed on this thesis aims to verify how a career intervention in a virtual environment can assist the participants in planning his or her objectives regarding career, relating the outcome to personality traits and emotional states. The motivation for the development of this interdisciplinary work (Education, Psychology and Affective Computing) arises from the dynamics of the current context of the employment market and the need to increase the accessibility to this type of intervention. Super, Savickas, Holland, Scherer and the Five Factor Model of Personality (Big Five) are the main theories underpinning this research. CarreiraEAD, an instrument to support the planning, based on in a Virtual Teaching and Learning Environment, the Moodle, was initially developed to help in the validation of this study. CarreiraEAD is divided in introduction, application of the online psychological test L.A.B.E.L. (list of Bipolar Adjectives and Likert Scale), Personal Inventory of Past, Observing the Present and Planning the Future. Between the modules the Wheel of Affective States (WAS) was applied to verify affective states during the career planning process. Undergraduate students were assigned to one of three different analysis groups in this experiment. All groups were coordinated by the same career advisor. The difference between the interventions was based on the advisor approach to each group. The outcome showed evidences that the behaviors that characterize the career planning are related to affective states and personality traits such as conscientiousness, emotional stability, internal control locus, autonomy, persistence, creativity/openness to experience and risk taking. Factorial repeated measures ANOVA was performed with the aim of assessing whether there was a change in the scores of the Career Decision Scale (CDS) for the whole group and for different forms of mediation. Results showed that there was a significant variation in CDS scores considering all participants [F(1, 36) = 10.23, p =0.003, Eta2 = 0.221, Power =0.88), whereas globally the T2 scores (After) were higher than in T1(Before). Effect size (Eta2) results suggest that the difference between pretest and posttest was significant, considering the three groups jointly. This outcome is relevant since it suggests the intervention effectiveness. Mean test comparison (Student t test) showed a statistically significant difference in affective state total score between persistent participants and dropouts in CarreiraEAD, which elicited verification regarding the persistent participants, which showed more positive affective states. In summary, the present research enabled to validate that CarreiraEAD, considering the personality characteristics and emotional states, is an effective instrument to perform the career planning in a virtual environment.