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 Johnny Rodrigues (johnnyrodrigues@ufcg.edu.br) on 2018-05-02T13:28:09Z No. of bitstreams: 1 DANILO ABREU SANTOS - DISSERTAÇÃO PPGCC 2015..pdf: 2955839 bytes, checksum: 45290d85cdffbae0320f29fc5e633cb6 (MD5) / Made available in DSpace on 2018-05-02T13:28:09Z (GMT). No. of bitstreams: 1 DANILO ABREU SANTOS - DISSERTAÇÃO PPGCC 2015..pdf: 2955839 bytes, checksum: 45290d85cdffbae0320f29fc5e633cb6 (MD5) Previous issue date: 2015-08-24 / A modalidade de educação online tem crescido significativamente nas últimas décadas em todo o mundo, transformando-se em uma opção viável tanto àqueles que não dispõem de tempo para trabalhar a sua formação acadêmica na forma presencial quanto àqueles que desejam complementá-la. Há também os que buscam ingressar no ensino superior por meio do Exame Nacional do Ensino Médio (ENEM) e utilizam esta modalidade de ensino para complementar os estudos, objetivando sanar lacunas deixadas pela formação escolar. O ENEM é composto por questões objetivas (subdivididas em 4 grandes áreas: Linguagens e Códigos; Matemática; Ciências Humanas; e Ciências Naturais) e a questão subjetiva (redação). Segundo dados do Ministério da Educação (MEC), mais de 50% dos candidatos que fizeram a prova do ENEM em 2014 obtiveram desempenho abaixo de 500 pontos na redação. Esta pesquisa utilizará recomendações pedagógicas baseadas no gênero textual utilizado pelo ENEM, visando prover uma melhoria na escrita da redação dissertativa. Para tanto, foi utilizado, como ferramenta experimental, o ambiente online de aprendizagem MeuTutor. O ambiente possui um módulo de escrita de redação, no qual é utilizada para correção dos textos elaborados pelos alunos, a metodologia de avaliação por pares, cujo pesquisas mostram que os resultados avaliativos são significativos e bastante similares aos obtidos por professores especialistas. Entretanto, apenas apresentar a pontuação da redação por si só, não garante a melhora da produção textual do aluno avaliado. Desta forma, visando um ganho em performance na produção da redação, foi adicionado ao MeuTutor um módulo de recomendação pedagógica baseado em 19 perfis resultados do uso de algoritmos de mineração de dados (DBScan e Kmeans) nos microdados do ENEM 2012 disponibilizado pelo MEC. Estes perfis foram agrupados em 6 blocos que possuíam um conjunto de tarefas nas áreas de escrita, gramática e coerências e concordância textual. A validação destas recomendações foi feita em um experimento de 3 ciclos, onde em cada ciclo o aluno: escreve a redação; avalia os seus pares; realiza a recomendação pedagógica que foi recebida. A partir da análise estatística destes dados, foi possível constatar que o modelo estratégico de recomendação utilizado nesta pesquisa, possibilitou um ganho mensurável na qualidade da produção textual. / Online education has grown significantly in recent years throughout the world, becoming a viable option for those who don’t have the time to pursuit traditional technical training or academic degree. In Brazil, people seek to enter higher education through the National Secondary Education Examination (ENEM) and use online education to complement their studies, aiming to remedy gaps in their school formation. The ENEM consists of objective questions (divided into 4 main areas: languages and codes; Mathematics; Social Sciences, and Natural Sciences), and the subjective questions (the essay). According to the Brazilian Department of Education (MEC), more than 50% of the candidates who took the test (ENEM) in 2014, obtained performance below 500 points (out of a 1000 maximum points) for their essays. This research uses educational recommendations based on the five official correction criteria for the ENEM essays, to improve writing. Thus, this research used an experimental tool in an online learning environment called MeuTutor. The mentioned learning environment has an essay writing/correction module. The correction module uses peer evaluation techniques, for which researches show that the results are, significantly, similar to those obtained by specialists’ correction. However, to simply display the scores for the criteria does not guarantee an improvement in students’ writing. Thus, to promote that, an educational recommendation module was added to MeuTutor. It is based on 19 profiles obtained mining data from the 2012 ENEM. It uses the algorithms DBSCAN and K-Means, and grouped the profiles into six blocks, to which a set of tasks were associated to the areas of writing, grammar and coherence, and textual agreement. The validation of these recommendations was made in an experiment with three cycles, where students should: (1) write the essay; (2) evaluate their peers; (3) perform the pedagogical recommendations received. From the analysis of these data, it was found that the strategic model of recommendation used in this study, enabled a measurable gain in quality of textual production.