Please use this identifier to cite or link to this item: https://repositorio.ufpb.br/jspui/handle/123456789/14483
metadata.dc.type: Dissertação
Title: Aplicação de Learning Analytics para Modelagem do Aluno de acordo com a Taxonomia de Bloom Revisada
metadata.dc.creator: Carneiro, Janalívia do Nascimento
metadata.dc.contributor.advisor1: Siebra , Clauirton de A.
metadata.dc.contributor.advisor-co1: Silva , Danielle Rousy Dias da
metadata.dc.description.resumo: Os Ambientes Virtuais de Aprendizagem (AVAs) são recursos de tecnologia educacional, que fornecem uma alternativa para maximizar a capacidade da educação virtual online. No entanto, a grande maioria dos AVAs são utilizados de modo passivo, principalmente para transmitir documentos multimídia e fornecer formas de avaliar os alunos através de questionários e envios de atividade, não oferecendo um material instrucional personalizado para os diferentes tipos de aluno. Um exemplo de tais sistemas é o Ambiente de Aprendizagem Dinâmico Orientado a Objetos Modulares (Moodle). Uma possível maneira de abordar esse problema é através do uso de Sistema de Aprendizagem Adaptativo, do inglês Adaptive Learning System (ALS).Os sistemas ALSs levam em consideração as informações acumuladas em modelos individuais dos aprendizes para poder se comportar diferentemente para estudantes diferentes. A modelagem de alunos desempenha um papel crucial em um ALS, pois fornece informações sobre o perfil de aprendizagem dos alunos, o que permite que os sistemas sejam altamente individualizados. A adaptação do sistema pode se dar de diferentes formas e níveis, oferecendo aprendizagem personalizada. Este trabalho de pesquisa propõe um modelo adaptativo que leva em consideração os perfis cognitivos dos aprendizes. O modelo proposto utiliza uma combinação de Learning Analytics, técnica de extração de dados acadêmicos com o objetivo de prover visualização sobre o processo de ensino-aprendizagem, para prover uma representação do perfil de aprendizagem do aluno, de acordo com a Taxonomia de Bloom Revisada, que é uma metodologia para classificação dos diferentes níveis de cognição humana de pensamento, aprendizagem e compreensão. Através da aplicação de Learning Analytics, a trajetória de aprendizagem do aluno será avaliada de modo dinâmico utilizando-se os indicadores da Taxonomia de Bloom Revisada, que podem servir de base para uma posterior adaptação do nível da aprendizagem oferecida aos diferentes níveis de aprendizagem dos alunos.
Abstract: Virtual Learning Environments (VLEs) are educational resources resulting from technological development which can be an alternative to maximize the capacity of virtual online education. However, the vast majority of learning environments that are available to students are used in a passive way, mainly to transmit multimedia documents (videos, audios, texts, images, etc.) and provide ways to evaluate students through questionnaires and activity submissions, not offering a customized instructional material for the different types of student. An example of such systems is the Modular Object Oriented Dynamic Learning Environment (Moodle). One possible way to address this problem is through the usage of Adaptive Learning System (ALS). ALS systems take into account the information accumulated in individual learners’ models in order to behave differently for different kinds of students. Student modeling plays a crucial role in an ALS because it provides information about the student’s learning profile, which allows the systems to be highly individualized. The adaptation of the system can happen in different ways and levels, offering personalized teaching. This research proposes an adaptive model that takes into account the cognitive profiles of the learners. The proposed model uses a combination of Learning Analytics (LA), which is a technique for extracting academic data in order to provide visualization about the learning process, to provide a representation of the student’s learning profile, according to the Revised Bloom Taxonomy (RBT), which is a framework for classifying the different levels of human cognition of thought, learning and understanding. Through the application of LA, the learner’s learning trajectory will be evaluated dynamically using the indicators of the RBT, which later on can be used as basis for adaptation of the teaching level offered to the different learning level of the students.
Keywords: Educação Adaptativa
Sistemas de Aprendizagem Adaptativos
Modelos do Aluno
Learning Analytics
Taxonomia de Bloom Revisada
Adaptive Education
Adaptive Learning Systems
Student Models
Learning Analytics
Revised Bloom Taxonomy
Educação a distância - Ambientes virtuais de aprendizagem
Educação adaptativa
Taxonomia de bloom revisada
Learning Analytics
metadata.dc.subject.cnpq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
metadata.dc.language: por
metadata.dc.publisher.country: Brasil
Publisher: Universidade Federal da Paraíba
metadata.dc.publisher.initials: UFPB
metadata.dc.publisher.department: Informática
metadata.dc.publisher.program: Programa de Pós-Graduação em Informática
metadata.dc.rights: Acesso Aberto
Attribution-NoDerivs 3.0 Brazil
metadata.dc.rights.uri: http://creativecommons.org/licenses/by-nd/3.0/br/
URI: https://repositorio.ufpb.br/jspui/handle/123456789/14483
Issue Date: 21-Jun-2018
Appears in Collections:Centro de Informática (CI) - Programa de Pós-Graduação em Informática

Files in This Item:
File Description SizeFormat 
Arquivototal.pdfArquivototal2,1 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons