Título: Learning Analytics e laboratórios remotos: framework LEDA e um estudo de caso com o laboratório remoto VISIR
Comissão Examinadora - Titulares
Prof. Dr. Marco Antonio Garcia de Carvalho - FT/Unicamp
Prof. Dr. Leandro Nunes de Castro Silva - FT/Unicamp
Prof. Dr. Maria Clara Neves Cabral da Silva Moreira Viegas - Instituto Superior de Engenharia do Porto
Prof. Dr. Letícia Sophia Rocha Machado - UFRGS
Prof. Dr. Ismar Frango Silveira - Mackenzie
Prof. Dr. Eduardo Galembeck - IB/Unicamp
Suplentes:
Prof. Dr. Eniel do Espírito Santo - UFRB
Prof. Dr. Marcos Augusto Francisco Borges - FT/Unicamp
Prof. Dr. Luis Otoni Meireles Ribeiro - IFSUL
Profa. Dra. Flavia Linhalis - NIED/Unicamp
Local: Sala de Defesa (Prédio da Pós-Graduação) https://stream.meet.google.com/stream/9232916e-bdd1-44f2-8f02-16f39ded02e2
Resumo: Para que o uso de tecnologias digitais no contexto educacional ocorra de forma eficiente, é
importante compreender como medir e analisar a relação do estudante com as tecnologias.
Dentre as possibilidades de tecnologias educacionais estão os laboratórios remotos,
ferramentas que proporcionam a manipulação de experimentos reais por meio de uma
plataforma online, disponível de forma ininterrupta, superando questões de tempo e espaço.
Para analisar a enorme quantidade de dados gerados durante as interações, são necessárias
aplicações de técnicas capazes de analisar e extrair informações dos dados gerados a partir de
interações com tecnologias, possibilitando intervenções de aprendizagem. A técnica
chamada Learning Analytics (LA) é baseada na medição, coleta, análise e relatório de dados
dos estudantes durante as práticas. LA combina técnicas de mineração de dados para extrair
informações e intervenção pedagógica. Este trabalho descreve o desenvolvimento de um
framework de mineração de dados educacionais baseado em intervenções de Learning
Analytics denominado LEDA (Laboratory Experimentation Data Analysis). O framework
LEDA visa extrair informações de dados de interação com laboratórios remotos para
relacionar o comportamento de interação do aluno com o seu progresso de aprendizagem.
Esta abordagem aplicará técnicas de agrupamento e regras de associação, utilizando dados
incluindo componentes controlados, tempo de atividade, entre outros. A aplicação de
técnicas de agrupamento possibilita organizar comportamentos semelhantes de
experimentação e notar o desempenho em determinada atividade. Já aplicando regras de
associação, permite-se o levantamento de condições e relacionamentos entre ações e
resultados. A partir do LEDA são extraídas informações relacionadas as competências
desenvolvidas ou requeridas durante a realização de cada experimento, informando sobre o
comportamento do estudante e seu engajamento durante a experimentação, de forma a
maximizar o aprendizado