Submitted by Jos? Henrique Henrique (jose.neves@ufvjm.edu.br) on 2018-05-23T19:00:06Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) warley_leite_fernandes.pdf: 2460576 bytes, checksum: d929e82a2e47dac8f54b1a1d52ed28fb (MD5) / Approved for entry into archive by Rodrigo Martins Cruz (rodrigo.cruz@ufvjm.edu.br) on 2018-06-05T14:49:36Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) warley_leite_fernandes.pdf: 2460576 bytes, checksum: d929e82a2e47dac8f54b1a1d52ed28fb (MD5) / Made available in DSpace on 2018-06-05T14:49:36Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) warley_leite_fernandes.pdf: 2460576 bytes, checksum: d929e82a2e47dac8f54b1a1d52ed28fb (MD5) Previous issue date: 2017 / A Educa??o a Dist?ncia (EAD) tem-se confirmado como importante ferramenta de capacita??o a qualquer tempo e dist?ncia. Por?m, a maioria das Institui??es de Ensino tem encontrado dificuldades relacionadas ao grande n?mero de abandono dos cursos. Avan?os recentes em diversas ?reas da tecnologia possibilitaram o surgimento das Tecnologias da Informa??o e Comunica??o que se tornaram essenciais ? condu??o dos processos educacionais. Assim, imensos volumes de dados s?o gerados pela intera??o de usu?rios em Ambientes Virtuais de Aprendizagem (AVA). Esses dados ?escondem? informa??es ricas. Contudo, manipular tamanha quantidade de dados n?o ? uma tarefa simples. Neste sentido, uma solu??o promissora para extra??o de informa??o ? a Minera??o de Dados, que pode ser entendida como a transforma??o de dados brutos em conhecimento. Essa pesquisa apresenta um estudo para compreender os motivos do baixo desempenho dos alunos em cursos t?cnicos da EAD aplicando, para isto, o algoritmo de Classifica??o Associativa (CBA) em Minera??o de Dados Educacionais (EDM). Com o objetivo de gerar os melhores resultados preditivos de Classifica??o Associativa obtidos pelo CBA, aplicou-se o algoritmo de Regras de Associa??o denominado Predictive Apriori,ainda n?o empregados em trabalhos correlatos. Os resultados experimentais apontam que o CBA aplicado a Bases de Dados Educacionais atinge melhores resultados que os algoritmos de classifica??o tradicionais (alcan?ando uma marca de 85% de acur?cia). Mostrou-se tamb?m que o uso das ferramentas f?rum, quiz e folder t?m uma grande influ?ncia no desempenho dos estudantes. / Disserta??o (Mestrado Profissional) ? Programa de P?s-Gradua??o em Educa??o, Universidade Federal dos Vales do Jequitinhonha e Mucuri, 2017. / Distance Education (EAD) has been confirmed as an important training tool at any time and distance. However, most educational institutions have encountered difficulties related to the large number of dropouts. Recent advances in several areas of technology have enabled the emergence of Information and Communication Technologies that have become essential to the conduct of educational processes. Thus, immense data volumes are generated by the interaction of users in Virtual Learning Environments (AVA). These data "hide" rich information. However, handling such a large amount of data is not a simple task. In this sense, a promising solution for information extraction is Data Mining, which can be understood as the transformation of raw data into knowledge. This research presents a study to understand the reasons of the low performance of students in technical courses of the EAD applying, to this, the Association Classification (CBA) algorithm in Educational Data Mining (EDM). In order to further improve the results obtained by the CBA, the Association Rules algorithm called Predictive Apriori, not yet employed in related works, was applied in order to generate the best predictive results of Associative Classification. The experimental results point out that the CBA applied to Educational Databases achieves better results than traditional classification algorithms (reaching a mark of 85% accuracy). It was also shown that the use of the forum, quiz and folder tools have a great influence on student performance.

Submitted by JÚLIO HEBER SILVA (julioheber@yahoo.com.br) on 2016-12-02T15:54:04Z No. of bitstreams: 2 Dissertação - Porthos Ribeiro de Albuquerque Motta - 2016.pdf: 10397634 bytes, checksum: 0610600c9a91143c40d1c6d22a401524 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Approved for entry into archive by Jaqueline Silva (jtas29@gmail.com) on 2016-12-13T15:28:18Z (GMT) No. of bitstreams: 2 Dissertação - Porthos Ribeiro de Albuquerque Motta - 2016.pdf: 10397634 bytes, checksum: 0610600c9a91143c40d1c6d22a401524 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2016-12-13T15:28:18Z (GMT). No. of bitstreams: 2 Dissertação - Porthos Ribeiro de Albuquerque Motta - 2016.pdf: 10397634 bytes, checksum: 0610600c9a91143c40d1c6d22a401524 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2016-10-20 / Educational Data Mining, by the triad of quality improvement, cost reduction and educational effectiveness, acts and seeks to better understand the teaching and learning process. In this context, the aim of this work is an exploratory study of classification methods to predict student performance and dropout from data in university academic databases. In this study we used demographic, socio-economic and academic results, obtained from the Vestibular and the university database to analyze several classification techniques, as well as balancing and attribute selection techniques, identified through a systematic review of the literature. Following a trend found in the selected articles, we chose to use decision trees as the primary classification algorithm, although comparative studies showed better results with logistic regression techniques and Bayesian networks. This is because decision trees allow an analysis of the attributes used in the generated models while maintaining acceptable levels of accuracy, while other techniques work as a black box. Through the tests we found that you get better results using balanced sets. In this sense, the Resample technique that selects a balanced subset of the data showed better results than SMOTE technique that generates synthetic data for balancing the dataset. Regarding the use of attribute selection techniques, these did not bring significant advantages. Among the attributes used, grades and economic factors often appear as nodes in the generated models. An attempt to predict performance for each subject based on data from previous courses was less successful, maybe because of the use of ternary predictive classes. Nevertheless, the analysis carried out showed that the use of classifiers is a promising way to predict performance and dropout, but further studies are still needed. / A Mineração de Dados Educacionais, por meio da tríade melhoria da qualidade, redução do custo e eficácia do ensino, age e procura compreender melhor o processo de ensinoaprendizagem dos alunos. Neste contexto, o objetivo desta dissertação é o estudo exploratório de métodos de classificação para predizer o desempenho e o abandono de alunos a partir de dados existentes nas bases de dados acadêmicas das universidades. Neste trabalho foram usados dados demográficos, sócio-econômicos e resultados acadêmicos, oriundos do Vestibular e do banco de dados acadêmico da universidade para analisar diversas técnicas de classificação, assim como técnicas de balanceamento e seleção de atributos identificadas através de uma revisão sistemática da literatura. Seguindo uma tendência verificada nos artigos levantados, optou-se por utilizar como principal algoritmo de classificação o J48, apesar de estudos comparativos terem mostrado melhores resultados com técnicas de regressão logística e redes Bayesianas. Isto se deve ao fato das árvores de decisão permitirem uma análise dos atributos usados nos modelos gerados, mantendo ní- veis de acurácia aceitáveis, enquanto as outras técnicas funcionam como uma caixa preta. Neste sentido, a técnica de Resample, que escolhe um subconjunto balanceado dos dados, apresentou melhores resultados que a técnica de SMOTE, que gera dados sintéticos para balancear os dados. Quanto ao uso de técnicas de seleção de atributos, estas não trouxeram vantagens significativas. Dentre os atributos usados, notas e aspectos econômicos aparecem com frequência nos modelos gerados. Uma tentativa de prever desempenho por disciplina, com base em dados de disciplinas já cursadas em semestres anteriores foi menos bem sucedida, talvez pelo fato de usar classes preditoras ternárias. Apesar disto, as análises realizadas mostraram que o uso de classificadores é um caminho promissor para a predição de desempenho e abandono, mas estudos mais aprofundados ainda são necessários

Submitted by Fabio Sobreira Campos da Costa (fabio.sobreira@ufpe.br) on 2017-07-11T14:35:16Z No. of bitstreams: 3 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) projeto_v26016.pdf: 1271790 bytes, checksum: f724d8523f2ffdb11ce599aff1eb8eb6 (MD5) projeto_v26016.pdf: 1271790 bytes, checksum: f724d8523f2ffdb11ce599aff1eb8eb6 (MD5) / Made available in DSpace on 2017-07-11T14:35:16Z (GMT). No. of bitstreams: 3 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) projeto_v26016.pdf: 1271790 bytes, checksum: f724d8523f2ffdb11ce599aff1eb8eb6 (MD5) projeto_v26016.pdf: 1271790 bytes, checksum: f724d8523f2ffdb11ce599aff1eb8eb6 (MD5) Previous issue date: 2016-07-08 / As Instituições Federais de Ensino Superior (IFES) possuem um importante papel no desenvolvimento social e econômico do país, contribuindo para o avanço tecnológico e cientifico e fomentando investimentos. Nesse sentido, entende-se que um melhor aproveitamento dos recursos educacionais ofertados pelas IFES contribui para a evolução da educação superior, como um todo. Uma maneira eficaz de atender esta necessidade é analisar o perfil dos estudantes ingressos e procurar prever, com antecedência, casos indesejáveis de evasão que, quanto mais cedo identificados, melhor poderão ser estudados e tratados pela administração. Neste trabalho, propõe-se a definição de uma abordagem para aplicação de técnicas diretas de Mineração de Dados objetivando a classificação dos discentes ingressos de acordo com o risco de evasão que apresentam. Como prova de conceito, a análise dos aspectos inerentes ao processo de Mineração de Dados proposto se deu por meio de experimentações conduzidas no ambiente da Universidade Federal de Pernambuco (UFPE). Para alguns dos algoritmos classificadores, foi possível obter uma acurácia de classificação de 73,9%, utilizando apenas dados socioeconômicos disponíveis quando do ingresso do discente na instituição, sem a utilização de nenhum dado dependente do histórico acadêmico. / The Brazilian's Federal Institutions of Higher Education have an important role in the social and economic development of the country, contributing to the technological and scientific advances and encouraging investments. Therefore, it is possible to infer that a better use of the educational resources offered by those institutions contributes to the evolution of higher education as a whole. An effective way to meet this need is to analyze the profile of the freshmen students and try to predict, as soon as possible, undesirable cases of dropout that when earlier identified can be examined and addressed by the institution's administration. This work propose the development of a approach for direct application of Data Mining techniques to classify newcomer students according to their dropout risk. As a viability proof, the proposed Data Mining approach was evaluated through experimentations conducted in the Federal University of Pernambuco. Some of the classification algorithms tested had an classification accuracy of 73.9% using only socioeconomic data available since the student's admission to the institution, without the use of any academic related data.

[pt] O estudo discute como os dados de avaliação externa são apropriados e utilizados por membros das equipes de gestão e professores, através de três estudos de caso em escolas da rede pública municipal de ensino de Macaé/RJ. A pesquisa contemplou dois níveis de análise: o nível da rede municipal de ensino - enquanto responsável pela orientação e organização das condições do trabalho a ser desenvolvido pelas escolas; e o nível da escola, principal foco desta investigação. O recorte temporal considerou dois momentos da gestão municipal: 2005-2008 e 2009-2012. A literatura nacional e a internacional sobre políticas educacionais consideram que as avaliações externas possibilitam mapear os processos de distribuição do conhecimento nas redes de ensino e nas escolas, podendo orientar a gestão das mesmas. A pesquisa buscou discutir como os resultados destas avaliações vêm sendo usados na gestão educacional municipal e como têm sido traduzidos no cotidiano escolar por meio das práticas de membros das equipes de gestão e professores do Ensino Fundamental da rede pública municipal de ensino de Macaé/RJ. A investigação foi desenvolvida por meio de análise documental, de entrevistas exploratórias, de observações do cotidiano de três escolas, das respostas a questionários aplicados aos integrantes das equipes de gestão e aos professores, além de entrevistas semiestruturadas com estes agentes escolares. No nível da rede, o estudo mostrou que, embora tenha havido iniciativas de desenvolvimento de uma avaliação externa da rede com vistas ao uso das informações para auxiliar a gestão, estas foram descontinuadas. No período analisado constatou-se a ausência de políticas que dessem suporte e orientassem a apropriação e usos dos dados pelas escolas. No nível das escolas, os resultados apontaram que os integrantes das equipes de gestão e professores reconhecem nas avaliações externas a possibilidade de elencar elementos que subsidiem aspectos do trabalho pedagógico que realizam. No entanto, os usos que têm sido feitos ainda se restringem a ações pontuais e descontínuas, credoras do esforço particular de cada estabelecimento e da respectiva equipe de gestão, sem o desenvolvimento de um projeto pedagógico consistente e articulado lastreado pelos resultados da escola. Este trabalho pretende contribuir para o debate sobre as apropriações e usos dos dados das avaliações externas nos municípios brasileiros. / [en] The present study discusses how the management team members and teachers use external evaluation data through three case studies in municipal public schools of Macaé/RJ. The research concentrated on two levels of analysis: the municipal education level – as the one promoting guidance and organizing the means by which the schools will develop the work; and the school level, the main focus of this investigation. The time frame reflected during this study included two terms of municipal management: 2005-2008 and 2009-2012. The national and international literature regarding educational policies and procedures, suggests that external evaluatins allow the mapping of the educational delivery process in the schools and educational institutions, leading to a more efficient management of these organizations. This research study discusses how the results of these evaluations have been used in the municipal educational management, and how they transfer to the schools through the actions of the management team members and elementary school teachers of the municipal public schools of Macaé/RJ. The investigation was developed through the analysis of documents, exploratory interviews, observation of the educational routine of three schools, answers to questionnaires provided by members of the management team and teachers, and semi-structured interviews with school agents as well. At the municipal education level the study indicated that, although several external evaluations were developed with the purpose of using data to help with educational management, they were discontinued. During the period of analysis, there were no policies that supported or guided the schools towards data usage. At the school level, the results indicated that the management team members and the teachers recognize that external evaluations can provide valuable information to their pedagogic work. Nonetheless, the current use is restricted to discontinued isolated activities which resulted from the individual work of each educational institution and its management team. There was no consistent pedagogic project developed that was supported by the school’s results. This study expects to contribute to the debate regarding the external evaluation appropriation and data usage in the Brazilian cities.

Sistemas educacionais possuem diversas funcionalidades capazes de apoiar a interação entre alunos e professores de maneira dinâmica, síncrona e assíncrona. Uma das formas de monitorar a eficácia do processo educacional e por meio da utilização dos dados armazenados nesses sistemas como fonte de informação. Pesquisas em Learning Analytics, Academic Analytics e Mineração de Dados Educacionais, buscam explorar os dados de sistemas educacionais utilizando processamento analítico e técnicas de mineração de dados. No entanto, há uma serie de fatores que dificultam a gestão eficiente do processo educacional a partir dos dados de sistemas educacionais. A transformação de dados provenientes de diferentes tipos de sistemas educacionais, como Sistemas de Gestão de Aprendizagem e Sistemas Acadêmicos, e uma tarefa complexa devido a natureza heterogênea dos dados. Dados provenientes desses sistemas podem ser analisados considerando diferentes stakeholders, sob varias perspectivas e níveis de granularidade. Neste cenário, um modelo de referência para a descoberta de conhecimento a partir de dados de sistemas educacionais, denominado Modelo de Referência de Dados Educacionais (EDRM), foi desenvolvido neste trabalho. O EDRM e um modelo dimensional no formato star schema, estruturado em um Data Warehouse, projetado para ser uma fonte única de dados integrados e correlacionados voltada a tomada de decisão. Assim, e possível armazenar dados de diversas fontes, combina-los e, por fim, realizar analises que levem as instituições a desenvolver uma melhor compreensão, rastrear tendências e descobrir lacunas e ineficiências acerca do processo educacional. Neste trabalho, o EDRM foi validado por meio de um estudo de caso, utilizando bases de dados reais coletadas de diferentes sistemas educacionais. Os resultados mostram que o EDRM e eficiente em tarefas com diferentes objetivos, utilizando processamento analítico e mineração de dados. / Educational systems support dynamic, synchronous and asynchronous interaction between students and educators. Researches in Learning Analytics, Academic Analytics and Educational Data Mining explore data from educational systems for knowledge discovery through analytical processing, statistical analysis and data mining. However, there are some factors that hinder an efficient management of the educational process. The transformation of data from different kinds of educational system, as Learning Management Systems and Student Information Systems, can be even more difficult due to data heterogeneity. Data from these systems can be analyzed considering different stakeholders, under different perspectives and under different granularities. Motivated by this scenario, in this work we propose Modelo de Referência de Dados Educacionais (EDRM), a reference data model for knowledge discovery in data from educational systems. EDRM is an analytical model structured under a Data Warehouse architecture following a multidimensional data model. EDRM is projected for being an resource of integrated and correlated data focused in decision taking in the educational process. EDRM was developed considering a deep analysis of data and functionalities from different educational systems. In this sense, data from different kinds of systems and sources can be used unified, integrated and consistently. This allows institutions to better comprehend their data, as well as discover patterns, gaps and inefficiencies about their educational process. In this work, EDRM was validated in a case study using real-world databases from different educational systems. The results indicate that EDRM is efficient in tasks with different objectives, using Learning Analytics and Educational Data Mining techniques, and analyzing different perspectives.

Submitted by Silvana Teresinha Dornelles Studzinski (sstudzinski) on 2017-03-03T16:51:21Z No. of bitstreams: 1 Sandro José Ribeiro da Silva_.pdf: 1958508 bytes, checksum: 927c5b673859ca465e35998f946b5a64 (MD5) / Made available in DSpace on 2017-03-03T16:51:21Z (GMT). No. of bitstreams: 1 Sandro José Ribeiro da Silva_.pdf: 1958508 bytes, checksum: 927c5b673859ca465e35998f946b5a64 (MD5) Previous issue date: 2016-11-03 / Nenhuma / O desenvolvimento de habilidades de programação de sistemas computacionais é uma necessidade crescente, devido ao amplo uso de recursos computacionais nas mais diversas áreas. Ao mesmo tempo, é conhecida a deficiência existente quanto à quantidade de profissionais sendo graduados nesta área. Alguns estudos indicam dificuldades dos estudantes e ao mesmo tempo falta de metodologias adequadas como possíveis elementos contribuindo para este contexto, corroborando a necessidade de desenvolvimento de pesquisas sobre o aprendizado de linguagens de programação. Entre as possíveis soluções para este problema de motivação, o desenvolvimento de um ambiente gamificado como ferramenta de ensino para linguagens de programação vem sendo explorado em projetos de pesquisa e também em opções comerciais. Uma das deficiências observadas nestas inciativas é justamente a falta de suporte aos professores para acompanhamento da evolução dos alunos. Buscando atender esta necessidade, o presente trabalho propõe um ambiente de apoio ao ensino de lógica de programação cujo diferencial é a inclusão de recursos de análise do comportamento dos alunos, voltados para o apoio ao professor. Desta forma, o trabalho proposto alia aos jogos eletrônicos o monitoramento on-line de suas etapas, através do uso de técnicas de mineração de dados educacionais. Com base em um framework para Gamificação, foi definido e desenvolvido um ambiente Web para ensino da linguagem Lua, com aspectos de Gamificação e Mineração de Dados Educacionais. Este ambiente foi utilizado em avaliações com alunos do ensino técnico, tendo sido observados resultados promissores nos aspectos motivacionais. As avaliações envolvendo a identificação de vantagens geradas para os professores com uso dos dados sobre o comportamento dos alunos também foram positivas e indicam um bom potencial para esta abordagem. / The development of computer systems programming skills is a growing necessity, due to the wide use of computational resources in different areas. At the same time, it is known the deficiency with respect to the amount of professionals being graduated in this area. Some studies indicates difficulties of students and lack of adequate methodologies as possible elements contributing to this context, supporting the need to develop research on learning programming languages. As a possible solution to this problem of motivation, the development of a gamified environment as a teaching tool for programming languages is being explored in research projects and also commercial options. One of the deficiencies observed in these initiatives is precisely the lack of support to teachers to follow up of the evolution of students, which consists in one of the differentials of the proposed work. In this way, the work integrates to electronic games the online monitoring through the use of educational data mining techniques. Based on the framework for gamification, has been defined and developed a web environment to the Lua language teaching, with aspects of gamification and education data mining. This environment has already been tested preliminarily with technical education students, being observed promising results. A new stage of development and testing is foreseen to deepening the identification of advantages generated for teachers with the use data on the behavior of students.

Data de aprova??o ausente. / Submitted by Jos? Henrique Henrique (jose.neves@ufvjm.edu.br) on 2017-05-11T18:00:35Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) rodrigo_magalhaes_mota_santos.pdf: 605428 bytes, checksum: a0c6c2c74fb7252604442e7b79b71d5d (MD5) / Approved for entry into archive by Rodrigo Martins Cruz (rodrigo.cruz@ufvjm.edu.br) on 2017-05-16T17:13:39Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) rodrigo_magalhaes_mota_santos.pdf: 605428 bytes, checksum: a0c6c2c74fb7252604442e7b79b71d5d (MD5) / Made available in DSpace on 2017-05-16T17:13:39Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) rodrigo_magalhaes_mota_santos.pdf: 605428 bytes, checksum: a0c6c2c74fb7252604442e7b79b71d5d (MD5) Previous issue date: 2016 / A tecnologia, presente cada vez mais no ambiente educacional, tem contribu?do para o aumento da oferta de cursos ? dist?ncia. Grande parte dos cursos ofertados nesta modalidade utilizam os Ambientes Virtuais de Aprendizagem (AVA). Estes ambientes ganham espa?o no cotidiano dos educadores devido ao f?cil manuseio e a grande diversidade de ferramentas disponibilizadas. Tais ferramentas permitem, de forma geral, a administra??o de cursos totalmente ? dist?ncia com oferta de m?ltiplas m?dias e recursos (f?runs de discuss?o, chats, dentre outros) para intera??es entre professores e alunos. Tais intera??es criam enormes volumes de dados que podem ser analisados atrav?s da aplica??o de t?cnicas de Minera??o de Dados Educacionais. Com a aplica??o destas t?cnicas pode-se realizar a previs?o de desempenho acad?mico que pode ter grande utilidade para Institui??es de Ensino no sentido de auxili?-las a tomar, de forma antecipada, decis?es pedag?gicas que possam ajudar os estudantes. Este trabalho apresenta um estudo de m?todos como Sele??o de Atributos utilizando a abordagem Wrapper e Classificador em Cascata, ainda n?o empregados em trabalhos correlatos pesquisados, que visam melhorar os resultados obtidos pelas t?cnicas de Minera??o de Dados Educacionais utilizadas na previs?o de desempenho acad?mico de estudantes. Os resultados experimentais indicam uma melhora no desempenho dos algoritmos classificadores utilizados (alguns alcan?ando a not?vel marca de 90,2% de acur?cia), bem como apontam quais os recursos utilizados no AVA possuem maior influ?ncia no desempenho dos estudantes. / Disserta??o (Mestrado Profissional) ? Programa de P?s-Gradua??o em Educa??o, Universidade Federal dos Vales do Jequitinhonha e Mucuri, 2016. / The technology, which is being increasingly used in the educational environment, has contributed for the popularity of distance courses. Much of the courses offered in this mode uses the so-called Virtual Learning Environments (VLE). These environments are gaining ground in the daily lives of educators due to its easy handling and the wide variety of available tools. These tools allow, in general, the administration of fully distance courses with multiple media and resources (forums, chats, among others) for interactions between teachers and students. These interactions create huge volumes of data that can be analyzed through the application of Educational Data Mining techniques. Such techniques can be used to academic performance prediction that can be very useful for education institutions in order to help them to take, in advance, pedagogical decisions that can help students. This work presents a study of methods as Feature Selection using the Wrapper approach and Classifier Cascade that were not employed in other works, with the aim to improve the results obtained by Educational Data Mining techniques used in the academic performance prediction. Results showed an improvement in the performance of classifiers (some obtaining the remarkable mark of 90.2% in accuracy results), as well as pointed out what the resources used in VLE that have greater influence on student performance.

This work is about the creation of a tool for pedagogical recommendation which objective is to provide teachers, from web-based courses, personalized pedagogical recommendations generated based on the mining results of their students’ educational data. In order to guide this creation, we propose the Pedagogical Recommendation Process that counts on the coordinated work and cooperation of the Human Intelligence (domain specialists) and the Artificial Intelligence (computational tools). The process is constituted of four steps that occur in a sequential and cyclic way, starting with “Detect Practices”, where we detect if there are actions affecting the teaching and learning process. Is the next step, “Discover Patterns”, we use educational data mining techniques, based on predefined mining scenarios, to find patterns with pedagogical significance for the practices detected. In the following step, “Recommend”, it is where appropriate recommendations are offered, given the students’ current pedagogical situation. Finally, the “Monitor and Evaluate” step, where it is analyzed whether the students were positively affected by the recommendations and if they were relevant. The proposed tool was used in a case study with real data provided by a Spanish language course with 200 students enrolled, who produced more than 700 megabytes of information contained in, approximately, 1220000 triples. As results we were able to detected practices and the patterns associated to them, which were used to create recommendations, evaluated (relevance) by specialists in the educational/pedagogical domain and made available for the final users (teachers) to suggest them to their students. / A presente dissertação trata da criação de uma ferramenta para a recomendação pedagógica cujo objetivo é prover aos professores de cursos baseados na web, recomendações pedagógicas personalizadas geradas com base nos resultados da Mineração dos Dados Educacionais de seus alunos. Para orientar essa criação propomos o Processo de Recomendação Pedagógica, o qual conta com o trabalho conjunto e coordenado da Inteligência Humana (especialistas nos domínios envolvidos) e da Inteligência Artificial (ferramentas computacionais). O processo é constituído de quatro etapas que ocorrem de forma cíclica e sequencial, iniciando com “Detectar Práticas”, onde detectamos se existem ações afetando o processo de ensino e aprendizagem. Na etapa seguinte, “Descobrir Padrões”, utilizamos as técnicas de Mineração de Dados Educacionais, por meio de Cenários de Mineração predefinidos, para encontrar padrões de interesse pedagógico acerca das práticas detectadas. Na próxima etapa, “Recomendar”, são oferecidas recomendações apropriadas a atual situação pedagógica do aluno. Finalmente a etapa “Monitorar e Avaliar”, onde acompanhamos e analisamos se os alunos foram afetados positivamente pelas recomendações e se estas foram relevantes. A ferramenta de recomendação proposta foi utilizada em um estudo de caso, com dados reais provenientes de um curso de língua Espanhola com 200 alunos que produziram mais de 700 megabytes de informações dispostas em, aproximadamente, 1220000 triplas. Como resultados, fomos capazes de detectar práticas e os padrões associados a elas, que foram utilizados na criação de recomendações, avaliadas (relevância) por especialistas no domínio educacional/pedagógico, e disponibilizadas para que os usuários finais (professores) as ofereçam a seus alunos.

Submitted by Rodrigo Yoshio Tamae (rytamae@yahoo.com.br) on 2018-05-09T20:50:34Z No. of bitstreams: 1 tamae_ry_dr_prud.pdf: 8732958 bytes, checksum: adaebfe74540ed474f93e923e81fb527 (MD5) / Rejected by ALESSANDRA KUBA OSHIRO ASSUNÇÃO (alessandra@fct.unesp.br), reason: Solicitamos que realize correções na submissão seguindo as orientações abaixo: Números de página aparecem duas vezes nas folhas a partir da 140. Agradecemos a compreensão. on 2018-05-10T19:58:40Z (GMT) / Submitted by Rodrigo Yoshio Tamae (rytamae@yahoo.com.br) on 2018-05-10T20:25:22Z No. of bitstreams: 1 tamae_ry_dr_prud.pdf: 8721951 bytes, checksum: 02e3bd0d2ad16ca569a7507cc1c1583d (MD5) / Approved for entry into archive by ALESSANDRA KUBA OSHIRO ASSUNÇÃO (alessandra@fct.unesp.br) on 2018-05-11T11:39:17Z (GMT) No. of bitstreams: 1 tamae_ry_dr_prud.pdf: 8721951 bytes, checksum: 02e3bd0d2ad16ca569a7507cc1c1583d (MD5) / Made available in DSpace on 2018-05-11T11:39:18Z (GMT). No. of bitstreams: 1 tamae_ry_dr_prud.pdf: 8721951 bytes, checksum: 02e3bd0d2ad16ca569a7507cc1c1583d (MD5) Previous issue date: 2018-03-16 / Esta pesquisa de doutorado está vinculada ao Programa de Pós-Graduação em Educação da Faculdade de Ciências e Tecnologia da Universidade Estadual Paulista "Júlio de Mesquita Filho" (FCT/Unesp), campus de Presidente Prudente-SP, na linha de pesquisa "Processos Formativos, Ensino e Aprendizagem", nas áreas de Educação a distância (EaD) e Formação de Professores. O grande avanço das Tecnologias Digitais da Informação e da Comunicação (TDIC) tem provocado inúmeras mudanças em todas as áreas da ciência. Na Educação ocorre a ampla adoção e utilização dos Ambientes Virtuais de Aprendizagem (AVA), os quais podem contribuir para a utilização de TDIC, metodologias ativas de aprendizagem e que favorecem a abordagem Construcionista, Contextualizada e Significativa (CCS). A abordagem CCS é aquela em que o cursista utiliza a tecnologia como instrumento para produzir algo que parte da sua vivência e realidade, e ao se deparar com os conceitos curriculares, o professor atua como mediador para ajudá-lo a formalizar esses conceitos. Nesse contexto, a Internet e os dispositivos móveis passaram a ser utilizados em escala crescente, e tem contribuído para a proliferação de grande quantidade de dados em formato digital que, por sua vez, ainda são pouco utilizados para gerar a descoberta de conhecimento em contextos educacionais. É onde destaca-se a área de mineração de dados educacionais (MDE), que consiste no desenvolvimento de métodos e técnicas orientados a explorar tais dados digitais para melhor compreender o comportamento dos cursistas e em quais condições eles aprendem. Assim, "como utilizar técnicas de MDE para identificar indícios da abordagem CCS nos cursos da modalidade híbrida?" é a questão que norteia esta pesquisa de doutorado, pois mesmo professores qualificados para atividades docentes, muitas vezes, não possuem proficiência suficiente quanto ao uso de recursos computacionais, tais como linguagens de programação e ferramentas de banco de dados, e muito menos, quanto ao uso de técnicas de mineração de dados aplicadas à contextos educacionais. A pesquisa fez uso tanto da abordagem quantitativa quanto qualitativa, com base no delineamento metodológico Ex Post Facto ou Pesquisa não-experimental, pois o estudo foi realizado após a conclusão dos fatos. Para responder as questões norteadoras, o curso de Educação Especial na Perspectiva Inclusiva do programa Redefor/Unesp foi analisado a partir das categorias CCS (contexto do cursista, espiral de aprendizagem e ciclo de ações, aprendizagem em rede, papel do professor e formalização de conceitos) definidas com base nas indicações de Schlünzen (2000; 2015), Santos (2015) e Valente (2005). Foi utilizado o modelo de mineração de dados proposto por Fayad, Piatetsky-Shapiro e Smyth (1996) e as fases que consomem maior esforço repetitivo possibilitaram o mapeamento de padrões a serem seguidos, e para minimizar os esforços e maximizar os resultados, foi proposto e implementado um protótipo de software denominado EDMXP (Educational Data Mining eXPeriment) em linguagem de programação Java para o suporte às atividades de seleção, pré-processamento, mineração e análise de dados. As tarefas de mineração de dados utilizadas foram as de agrupamento e classificação representadas pelos algoritmos Simple KMeans, VSM e J48. Os resultados foram compilados em uma linguagem que possibilita aos profissionais de Educação melhor compreenderem os resultados (tabelas e gráficos), além de um quadro de indicadores de desempenho (dashboard). Ao final, foi possível constatar que a MDE pode ser um fator transformador em Educação a partir do momento que possibilita que se tome decisões com base em dados e em fatos, e não apenas de forma intuitiva ou por meio de experiências vivênciadas. Representa, portanto, uma nova forma de fazer e pensar a Educação. / This doctoral research is bound to the Graduate Program in Education of the Faculty of Science and Technology of the São Paulo State University "Júlio de Mesquita Filho" (FCT / Unesp), Campus of Presidente Prudente-SP, in the research line "Formative Processes, Teaching and Learning", in the areas of Distance Education (D-Learning) and Teacher Training. The great advance of the Digital Technologies of Information and Communication (DTIC) has caused fullness changes in all areas of science. In Education there is a widespread adoption and use of Virtual Learning Environment (VLE), which can contribute to the use of DTIC, active learning methodologies and favoring the Constructionist, Contextualized and Significative (CCS) approach. The CCS approach is that in which student uses technology as an instrument to produce something that arise in your own experience and reality, and when he came across with curricular concepts, teacher acts as mediator to help him to formalize these concepts. In these context, the Internet and mobile devices started to be used on a growing scale and have contributed to the proliferation of large amounts of data in digital format, which in turn are little used to generate the knowledge discovery in educational contexts. It's where stands out the area of Educational Data Mining (EDM), which consists in the development of methods and techniques designed to exploit such digital data to better understand students behavior's and in what conditions they learn. Thus, "how to use EDM techniques to identify evidence of CCS approach in hybrid mode courses?" it's the issue that guides this doctoral research, because even qualified teachers for teaching activities often lack sufficient proficiency in the use of computational resources, such as programming languages and database tools, much less regarding the use of data mining techniques applied to educational contexts. The research made use of both quantitative and qualitative approach, based on the methodological design Ex Post Facto or non-experimental research, once this study was conducted after the completion of the facts. To answer the leading questions, the Special Education course in the Inclusive Perspective of the Redefor / Unesp program was analyzed from the CCS categories (student's context, learning spiral and cycle of actions, learning network, teacher role and concepts formalization) defined according to the indications of Schlünzen (2000; 2015), Santos (2015) and Valente (2005). It was used the data mining model proposed by Fayad, Piatetsky-Shapiro and Smyth (1996) and the phases that consume most repetitive effort allowed the mapping of patterns to be followed, and to minimize efforts and to maximize results, was proposed and implemented a software prototype named EDMXP (Educational Data Mining eXPeriment) in Java programming language to support selection, preprocessing, mining and data analysis activities. The data mining tasks used were clustering and classification tasks represented by the Simple KMeans, VSM and J48 algorithms. The results were compiled in a language that enables Education professionals to better understand results (tables and graphs), as well as a dashboard of performance indicators. Finally, it was possible to verify that EDM can be a transforming factor in Education from the moment that allows decisions based on data and facts, and not only in an intuitive way or by lived experiences. It represents, therefore, a new way of doing and thinking Education.

Submitted by Marília Sousa (mariliamariafeitoza@gmail.com) on 2018-07-26T12:25:36Z No. of bitstreams: 3 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertação Marília.pdf: 1106096 bytes, checksum: 5f4d3a102f590e08a72c6af9ef02d2e4 (MD5) folha de aprovação.pdf: 114224 bytes, checksum: 83acb0aa4ff29dd5cc1364b9b391ac77 (MD5) / Approved for entry into archive by Secretaria PPGI (secretariappgi@icomp.ufam.edu.br) on 2018-07-26T18:20:47Z (GMT) No. of bitstreams: 3 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertação Marília.pdf: 1106096 bytes, checksum: 5f4d3a102f590e08a72c6af9ef02d2e4 (MD5) folha de aprovação.pdf: 114224 bytes, checksum: 83acb0aa4ff29dd5cc1364b9b391ac77 (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2018-07-27T12:39:14Z (GMT) No. of bitstreams: 3 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertação Marília.pdf: 1106096 bytes, checksum: 5f4d3a102f590e08a72c6af9ef02d2e4 (MD5) folha de aprovação.pdf: 114224 bytes, checksum: 83acb0aa4ff29dd5cc1364b9b391ac77 (MD5) / Made available in DSpace on 2018-07-27T12:39:15Z (GMT). No. of bitstreams: 3 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertação Marília.pdf: 1106096 bytes, checksum: 5f4d3a102f590e08a72c6af9ef02d2e4 (MD5) folha de aprovação.pdf: 114224 bytes, checksum: 83acb0aa4ff29dd5cc1364b9b391ac77 (MD5) Previous issue date: 2017-09-29 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / The present work introduces the Educational Data Mining and an experiment involving prediction of partial exams. The experiment uses data of the Introduction to Computer Programming course of the Federal University of Amazonas and seeks to classify the students according to their grade, in a maximum of three classes: satisfactory, unsatisfactory and without concept (dropout students). As conclusion, there is a quantitative analysis with the predictive data. / O presente trabalho tem o intuito de apresentar a Mineração de Dados Educacionais e um experimento envolvendo previsão de provas parciais. O experimento é realizado através dos dados da disciplina de Introdução à Programação de Computadores da Universidade Federal do Amazonas e busca classificar os alunos de acordo com as notas obtidas, em no máximo três classes: satisfatório, insatisfatório e sem conceito (alunos evadidos). Como conclusão, tem-se uma análise quantitativa com os dados da previsão.