Submitted by JOSIANE SANTOS DE OLIVEIRA (josianeso) on 2019-03-07T13:33:19Z No. of bitstreams: 1 Adalto Selau Sparremberger_.pdf: 1878608 bytes, checksum: fa8e08d0d4032cf37b44d620137644a9 (MD5) / Made available in DSpace on 2019-03-07T13:33:19Z (GMT). No. of bitstreams: 1 Adalto Selau Sparremberger_.pdf: 1878608 bytes, checksum: fa8e08d0d4032cf37b44d620137644a9 (MD5) Previous issue date: 2017-08-29 / Nenhuma / A procura por cursos ofertados na modalidade de ensino Educação a Distância (EaD), obteve um crescimento exponencial nos últimos anos. Frente a este cenário e considerando o constante aumento de novas matrículas e cursos as ferramentas que suportam o ensino a distância precisam estar em constante aprimoramento. Estas ferramentas são conhecidas como Ambientes Virtuais de Aprendizagem (AVA) e geralmente apresentam, através de canais de interação, discussões pedagógicas que promovem o desenvolvimento de metodologias educacionais. Com o desenvolvimento destas metodologias, os AVA facilitam a elaboração, a edição e o controle de aulas, bem como podem tornar-se mecanismos para suportar discussões, apresentações e outras atividades de forma virtual. Os AVA, podem ser utilizados também para prover um suporte as aulas dos cursos presenciais, sendo utilizados por exemplo, para entrega de trabalhos e distribuição e armazenamento de conteúdos. Contudo, se por um lado os AVA facilitam a realização dos cursos na modalidade EaD, também podem em alguns casos, acarretar em um distanciamento do professor com os grupos de alunos. Este distanciamento acontece porque em cursos realizados de forma predominantemente não-presencial, os professores por não terem contato físico com os alunos, sentem dificuldade em identificar o perfil (características, gostos, problemas, sentimentos) de cada aluno e o perfil da turma. Esta dificuldade impacta diretamente na produção das aulas, uma vez que, a correta identificação do perfil de consenso de um grupo de estudantes, permite aos professores prepararem aulas e materiais mais eficientes, atrativos e alinhados com os objetivos de aprendizagem de cada grupo de alunos. Visando minimizar esta lacuna existente em relação ao suporte à identificação de perfis de grupos de aprendizes em AVA, este trabalho propõe um modelo denominado GrouProfile. Este modelo permite o gerenciamento de perfis de grupos de aprendizes baseado em históricos de contextos. Em suma, o GrouProfile é composto por um agente de software que atua como monitor de grupos, permitindo que o professor gerencie e receba notificações de mudanças no perfil de determinado grupo. Estes perfis são atualizados dinamicamente com base em regras determinadas por este modelo para a definição de proatividade, reatividade e interesse de um grupo de alunos com melhor desempenho, grupo de alunos com desempenho inferior. Além disso, o modelo estabelece um perfil de consenso de toda a turma, provendo ao professor o embasamento individual para atentar a situações específicas e o consenso da turma para elaborar aulas e materiais que atendam às expectativas da maioria da turma. Este perfil de consenso é armazenado registrando um histórico da evolução e das mudanças de cada turma. Iniciamos este estudo realizando uma revisão de literatura, fazendo uso da estratégia Snowballing. Posteriormente, realizou-se uma survey através de questionários aplicados para professores, buscando responder o que consideram ser alunos proativos, reativos e interessados e também quais alunos obtiveram o melhor e o pior desempenho. Finalmente, para validação dos resultados, realizou-se um estudo de caso e aplicou-se novo questionário apenas para os professores das turmas que participaram do estudo de caso. Após a realização deste estudo de caso pudemos perceber que o GrouProfile é capaz de estabelecer o perfil de consenso da turma e o perfil individual de cada aluno de forma muito similar à visão que o professor de turmas presenciais possui. / The Modality of E-Learning and Distance Education (LDE) obtained an exponential growth regarding the number of new courses and students enrolled recently. In order to attend this demand adequately, the distance learning tools should be improved constantly. These tools are known as Virtual Learning Environments (VLE) and generally presenting interaction channels and pedagogical discussions that promote the development of educational methodologies.The development of methodologies such as AVA is helpful to prepare, edit and manage classes, becoming a tool to support discussions, presentations, and other activities virtual form. The AVA also can be used to provide classroom support, to delivery and distribute activities and also as content storage. Although, if initially VLE creates an easy way to the realization of course in the LDE modality, on another hand, can lead to creating gaps among teacher and their student group. It happens because generally the VLE courses are made at a distance, without physical contact between the professor, students or groups of them, such as characters, preference, problems, feelings. This impacts directly in the classes production, because of the correct identification of students group profile, allows teachers to prepare lessons and materials more efficient, attractive and aligned with the learning objectives of each group. In addition, searching for a solution to help the creation of groups of learners profiles in AVA, this work proposes a model called GrouProfile, which allows management of student groups profiles based on historical contexts. Moreover, this work proposes a software agent that will work like a monitor of groups, allowing to the teachers a way to management where the notifications, movements of a particular group are presented for the creation of groups dynamically, based on pre-determined teacher’s rules such as proactivity, reactivity and interest of a group of students with better or worst performance. Also, the model establishes a general overview of the whole class, providing to the teacher a tool to attend to specific situations and a way to improve the learning method to attend the expectations of the majority of the students. This profile obtained is stored following the history of the evolution and changes of each class. We started this study by performing a literature review using the Snowballing strategy. Subsequently, a survey was conducted through questionnaires applied to the teachers, seeking its vision about proactive, reactive and interest, students characteristic as well, which are the students with better and worst performance. Finally, to validate the results, a case study was carried out and a new questionnaire was applied only to the teachers of the classes that participated before. After completing it, we could see that GrouProfile can establish a general overview of the class and the individual profile of each student in a very similar view that the classroom teacher has.