Uma Ferramenta Web para Suporte na Formao de Grupos

Scio-Afetivos Utilizando Algoritmos de Clustering

Jos Ahirton Batista Lopes Filho1, Ccero Costa Quarto1, Ivanildo Abreu1, Rmulo
Martins Frana2
1
Centro de Cincias Tecnolgicas - Universidade Estadual do Maranho (UEMA)
So Lus, MA Brasil
2
Universidade Virtual do Estado do Maranho (UNIVIMA) So Lus, MA - Brasil

ahirton@hotmail.com, cicero@engcomp.uema.br,
ivanildoabreu@yahoo.com.br, romulomf@gmail.com

Abstract. With the advent of the internet and with the development of the
informational and communicational technologies, there was an increase at the
utilization of collaborative learning, where socio-affective factors and
computer supported collaborative learning groups have an important role. In
collaborative learning activities, the socio-affective abilities of a person need
to be conjugated with others abilities, in order to be successful at the group
work. Therefore this paper is concerned in presenting a Web tool wich will
support the construction of socio-affective collaborative groups using
Clustering Algorithm.

Resumo. Com o advento da Internet e o desenvolvimento das tecnologias de

informao e comunicao (TICs), houve um crescimento na utilizao da
aprendizagem colaborativa, onde fatores scio-afetivos e grupos de
aprendizagem colaborativos apoiados por computador tm um importante
papel. (as atividades colaborativas de aprendizagem, as habilidades scio-
afetivas de um indivduo precisam ser conjugadas com as de outros, a fim de
obterem sucesso em um trabalho coletivo. Portanto, esta pesquisa vem propor
uma ferramenta Web que fornecer suporte formao de grupos
colaborativos scio-afetivos utilizando Algoritmo de Clustering.
1.Introduo
Atualmente, tanto no Brasil quanto no exterior, h uma tendncia ao crescimento do
denominado ensino colaborativo atravs de tecnologias de ltima gerao, evidenciando
um novo modelo de universidade com novas modalidades pedaggicas de ensino-
aprendizagem. O ambiente conectivo possibilita conexes rpidas e flexveis entre
indivduos, grupos e sociedades. J o ambiente colaborativo permite a utilizao das
conexes para a resoluo conjunta de problemas e a produo de novos
conhecimentos. E, por fim, o ambiente comunicativo permite a construo de um
significado mtuo para os novos conhecimentos Colossi et al., [apud Monteiro,
Cosentino e Merlin, 2000; Woods Jr, 2000; Cena, 2000].
Ainda para Colossi et al., [apud Monteiro, Cosentino e Merlin, 2000; Woods Jr,
2000; Cena, 2000], nesta nova tendncia desejam-se professores e alunos que interajam
nesse ambiente colaborativo como verdadeiros construtores de disciplinas, num
processo evolutivo que transforma a disciplina, adequando-a s necessidades do
ambiente. Os professores, atuando como verdadeiros tutores dos alunos, e os alunos,
transformados de simples receptores passivos do conhecimento em solucionadores de
problemas, construiro um todo agindo diretamente na construo da disciplina e no
perfil profissional dos alunos.
A Aprendizagem Colaborativa Apoiada por Computador (CSCL, do ingls,
Computer Supported Collaborative Learning) um mtodo que consiste em agregar
indivduos e faz-los colaborarem atravs de ferramentas computacionais, possui
tambm potencial para apoiar a aprendizagem em grupo interativamente, o que tem
convencido muitos educadores de que estes ambientes so o futuro das prximas
geraes de ferramentas educativas para ensino a distncia [Kreijns et al., 2002].
Esse tipo de aprendizagem, principalmente em grupo, pode suprir necessidades
advindas do ensino presencial tais como a falta de salas de aula, desnivelamento dos
conhecimentos dos alunos, problemas de acompanhamento de aprendizagem entre
outros, levando em conta que os ambientes colaborativos apoiados por computador
tendem a facilitar a comunicao e objetivam a aproximao do grupo [Vilela, 2006].
Portanto, este trabalho norteado em avanar no estado da arte de ambientes de
ensino-aprendizagem colaborativos apoiados por computador, bem como propor uma
ferramenta Web especfica que coleta os tipos de temperamento/carter de cada aluno,
de forma que estas informaes coletadas possam ser usadas como suporte ao
Algoritmo de Clustering para a formao de grupos colaborativos.
Para efeito de roteiro, este trabalho encontra-se organizado da seguinte maneira.
A Seo 2 descreve a Fundamentao Terica. Na Seo 3 so descritas as
Metodologias de Implementao da Ferramenta Computacional. Na Seo 4 so
apresentadas as Concluses e Trabalhos Futuros e finalmente, na Seo 5 so
apresentadas as Referncias.

2. Fundamentao Terica

2.1 Afetividade em ambientes de ensino-aprendizagem

A afetividade sempre ter papel fundamental na natureza, e, portanto, nas interaes
colaborativas de ensino-aprendizagem. Inclusive, estudantes que trabalham juntos em
funo da afinidade social no precisam negociar as regras de colaborao, pois
conseguem estabelecer modos de interao que so explicitamente entendidos pelo
grupo [Issroff et al. apud Jones e Issroff, 2005].
A afetividade atua no desenvolvimento intelectual na forma de motivao e
interesse, bem como atuando na construo das relaes do ser humano dentro de uma
perspectiva social e cultural [Ballone, 2004].
De acordo com Piaget [apud Jaques & Viccari, 2004], afetividade representa
todos os movimentos mentais conscientes e inconscientes no-racionais, sendo o afeto
um elemento indiferenciado do domnio da afetividade. A afetividade um atributo
psquico que d o valor e representa a realidade [Ballone, 2004].
Quanto mais informaes de natureza social e afetiva houver dos estudantes,
mais condies existiro para a definio dos grupos, na busca da interao e da
cooperao em ambientes de aprendizagem colaborativos assistidos por computador
[Quarto et al., 2007].

2.2 Ambientes CSCL

Os ambientes de Ensino-Aprendizagem Colaborativos Apoiados por Computador
(CSCL) permitem aos estudantes estarem geograficamente separados, porm juntos nas
atividades de aprendizado, encontrando-se e discutindo a qualquer hora, dispensando a
necessidade de estarem fisicamente presentes na mesma localidade, encorajando a
participao dos envolvidos no processo educacional independentemente de tempo e
espao [Lima, 2006 apud Kreijns et al., 2002].
Ainda segundo Lima (2006), uma das deficincias dos sistemas educacionais
vigentes at ento era que o processo de ensino-aprendizagem era executado
individualmente, ou seja, no havia interao entre aprendizes, apenas uma relao
aprendiz-mquina, o que enfraquecia o aprendizado.
Segundo Labidi (2003), os ambientes CSCL possuem inmeras vantagens tais
como: Competitividade sadia entre os estudantes, Aumento da produtividade de
aprendizagem, Desenvolvimento das habilidades sociais, Estmulo ao aprendizado,
Adoo do espao Web como ferramenta de estudo e maior Cooperao entre
estudantes e professores
Ambientes CSCL, muito utilizados na modalidade EaD (Educao a Distncia),
tambm podem suprir necessidades advindas do ensino presencial tais como o
desnivelamento de alunos com relao a pr-requisitos das matrias estudadas, o que
pode gerar problemas de acompanhamento. Com o desnivelamento o professor gasta
tempo fazendo o nivelamento ou altera o planejamento para adequ-lo aos menos
conhecedores, ou ainda, o desnivelamento pode ocorrer quando as atividades em classe
so insuficientes para o domnio do contedo e o aluno deve fazer atividades
extraclasse, e ,portanto, quando este no o faz pode ficar desnivelado e nesse caso
tambm no conseguir acompanhar a partir de um certo ponto [Vilela, 2006].
Os ambientes CSCL trouxeram, portanto, vantagens em relao ao ensino
presencial, mas ao mesmo tempo tambm trouxeram consigo novas questes, dentre
elas podemos destacar a representao dos aprendizes e seus grupos, a interao entre os
aprendizes e professores e a distribuio dos aprendizes em grupos [Lima, 2006].
2.3 Algoritmos de Clustering
De acordo com Francisco et al.(2005), Clustering uma tcnica de Minerao de
Dados( do ingls, Data Mining) que consiste em separar os dados em clusters. Apesar
da definio de um cluster no ser bem precisa, podemos dizer que membros de um
cluster so mais semelhantes entre si que membros externos a esse cluster e nesse caso,
o conceito de semelhana est associado distncia entre objetos considerando-se o
espao de atributos que caracterizam um dado objeto.
Essa uma ferramenta que pode ser facilmente utilizada para a criao de um
software cujo objetivo a formao de grupos de alunos baseados em semelhanas
(grupos afins) ou na falta de semelhanas (grupos antitticos) entre suas caractersticas
scio-afetivas notveis.
Para conseguir o resultado almejado ser utilizado o algoritmo K-Means, o qual
exige a definio prvia do nmero de clusters e do posicionamento inicial dos centros
dos k clusters no espao de atributos. As variaes e melhorias propostas para o mtodo
ficam por conta da definio inicial dos centros dos clusters e de avaliaes realizadas
no final ou durante o processo de agrupamento [Francisco et al., 2005].

3. Metodologia de Implementao
A ferramenta Web aqui apresentada foi arquitetada de acordo com o cubo dos
temperamentos (cf Figura 1) utilizado por Heymans [apud Justo, 1966], onde os fatores
fundamentais do carter ou temperamento humano so: emotividade, atividade e
repercusso. O indivduo chamado emotivo (E) quando experimenta mais facilmente
emoes (como prazer e dor) que a mdia dos homens, caso contrrio, no-emotivo
(nE). Ser ativo (A) se a ao for uma necessidade e um prazer constante para ele, se lhe
custar entrar em ao, ser no-ativo (nA). Repercusso o nome dado durao da
influncia dos acontecimentos na conscincia. O tipo primrio (P) quando o efeito se
esvai quase logo depois de passado o fenmeno; se a lembrana perdurar,
aprofundando-se no subconsciente, e orientar a vida, o indivduo pertencer ao tipo
secundrio (S).

Figura 1. Cubo dos Temperamentos (Quarto, 2006, p. 77)

A Figura 1, desenhada a partir da original utilizada por Justo (1966), facilita a

memorizao da classificao de Heymans. direita, figuram os ATIVOS (A);
esquerda, os NO-ATIVOS (nA); em baixo, os NO-EMOTIVOS (nE); e em cima, os
EMOTIVOS (E). Na face anterior, encontram-se os PRIMRIOS (P), pessoas que
normalmente guardam poucos fenmenos na conscincia; e na posterior, os
SECUNDRIOS (S), pessoas que normalmente guardam mais fenmenos na
conscincia. Os TIPOS ANTITTICOS, com frmula contrria nos trs elementos,
esto situados nas extremidades das diagonais que passam pelo centro do cubo. Os
TIPOS AFINS, que possuem duas propriedades comuns ( como os melanclicos e os
lderes, onde ambos so emotivos e secundrios) , esto situados nas extremidades das
arestas que convergem para o vrtice do temperamento considerado. Na tabela 1, so
descritas todas as afinidades entre os temperamentos de carter bem como o grupo dos
temperamentos antitticos (opostos).

Tabela 1. Afinidades entre os temperamentos de carter e o grupo dos antitticos

(opostos). [Justo, 1966].

Temperamentos Temperamentos Afins Temperamentos

Determinantes Antitticos
(opostos)
Melanclico Lder, Instvel, Aptico Social
Instvel Melanclico, Amorfo, Ativo Fleumtico
Amorfo Instvel, Aptico, Social Lder
Aptico Melanclico, Amorfo, Fleumtico Ativo
Social Amorfo, Ativo, Fleumtico Melanclico
Fleumtico Social, Lder, Aptico Instvel
Ativo Instvel, Social, Lder Aptico
Lder Fleumtico, Melanclico, Ativo Amorfo

Para Heymans [apud Justo, 1966], existem oito tipos de temperamentos de

carter: Instvel, Melanclico, Lder, Social, Amorfo, Aptico, Ativo e Fleumtico. A
seguir so descritos cada um dos temperamentos levando em considerao fatores como
disposio, suscetibilidade dentre outros. [Justo, 1966].

Tipo Instvel: Pessoas com elevado nmero e variedade de disposies. Necessidade de

distraes, pouca pontualidade, tendncia ociosidade e contradio, agressivo,
irritvel, tem pouco domnio pessoal.
Tipo Melanclico: introvertido, solitrio, suscetvel, impressionvel, escrupuloso,
retrado, hesitante, tmido. Contenta-se com o saber terico, sem visar-lhe a aplicao
prtica.
Tipo Lder: Pessoa de mando, de ao. Poder e dedicao so-lhe caractersticos.
Grande capacidade de trabalho, boa capacidade de concentrao, prtico, enrgico. No
se submete com facilidade.
Tipo Social: Pessoa com aptides prticas, voltadas para o til, esprito cientfico,
deixa-se guiar pela razo, reaes rpidas e decididas, sossegado, objetivo, gosta da
sociedade, facilmente encontra soluo para tudo.
Tipo Amorfo: Interessa-se pelas alegrias e prazeres sensoriais. dcil, situa-se no plo
oposto do lder, tem falta de iniciativa e entusiasmo, sossegado, indiferente, impassvel
e equilibrado, gosta dos prazeres da mesa, teimoso.
Tipo Aptico: Pessoa sossegada, indiferente, tranqila, disciplinada e fiel. No se
esperem intensas emoes psquicas desse tipo, nem decises repentinas, devido ao grau
diminuto de emotividade e atividade, gosta da solido.
Tipo Ativo: Pessoa de ao, afvel, fascina, arrasta, improvisador, no acumula
experincia, capacidade de adaptao social, entretm a todos, facilmente entusiasmado.
Tipo Fleumtico: Pessoa do dever, da ordem, da medida, ponderao, reflexo,
terico, sempre ocupado, fiel, frio. Bom observador, moderado e metdico no trabalho,
pouco impulso (carncia de emotividade).

3.1 Inferncia da escala de avaliao Roger Verdier

A inferncia da Escala de Avaliao Roger Verdier, baseada em Heyman Le Sene tem
por objetivo coletar caractersticas da pessoa, de maneira a estimar o seu carter ou
personalidade, com base nas descries dos fatores do carter emotividade, atividade e
repercusso, que conduzem aos tipos de temperamentos citados no cubo dos
temperamentos da Figura 1.
Este perfil scio-afetivo definido ser de grande utilidade na formao de grupos
de estudantes, de modo que os mesmos possam alcanar a colaborao em tarefas de
aprendizagem com maior intensidade [Justo, 1966; Prola, 2003].
Ainda para Justo (1966), h que se considerar que os lderes quando em mesmo
grupo, no se relacionam bem, pois so pessoas que antes gostam de comandar, tendo
dificuldade em aceitar comandos.
Para a psicloga Ida Maria (ULBRA/GRAVATA), na ausncia de um lder
nato em um grupo, os indivduos ativos ou sociais podem exercer este papel, por
tambm serem figuras agregadoras.

3.1.2 Utilizao da Ferramenta Web Roger Verdier

Nessa seo so apresentadas as questes que compem o teste de carter Roger
Verdier. So elas:
(1) Depois de uma emoo, fica impressionado por muito tempo? Gosta de relembrar as
emoes (agradveis ou desagradveis) do passado?
(2) Fica facilmente acanhado na presena de pessoas?
(3) Comea geralmente pelo trabalho que tem de ser feito, deixando o resto para depois?
(4) Fica muitas vezes e facilmente emocionado? Empalidece, cora, chora, ri, fica
nervoso, assusta-se? Bate o corao? Fecha-se a garganta?
(5) Pensa de antemo no que pode acontecer, e prepara-se, tanto quanto possvel, com
antecedncia, para a nova situao?
(6) Procura resolver sozinho as dificuldades, sem ajuda?
(7) suscetvel? Melindra-se facilmente?
(8) Muda facilmente de humor? Isto , passando da alegria para a tristeza, da tagarelice
para o mutismo, do entusiasmo ao desnimo?
(9) Leva tempo para se habituar em caso de mudana? (De casa, localidade, escola?),
(10) Num trabalho prolongado, aplica-se no fim tanto quanto no comeo?
(11) Quando est livre, procura no passatempos, distraes, divertimentos, mas
trabalhos, ocupaes?
(12) Gosta de conservar os mesmos hbitos (costumes), os mesmos amigos, os mesmos
objetos, etc.?
(13) Em caso de dificuldade ou fracasso, em vez de desanimar, recomea tantas vezes
quantas for necessrio?
(14) Comove-se ao ouvir ou ler um fato emocionante quase tanto quanto diante de
acontecimento real?
(15) Demora para se reconciliar? (Depois de uma desavena, afronta, etc.?).
Na Figura 2 apresentada a Interface Grfica da ferramenta Web
utilizada para responder o teste de carter Roger Verdier, onde h a presena de campos
para registro dos Dados Pessoais do usurio (Nome, CPF, E-mail, Telefone e Turma) e
as questes do teste em si, que so respondidas de forma binria (Sim ou No).

Figura 2. Interface Grfica da Ferramenta Web Roger Verdier

A partir da interface grfica, ilustrada na Figura 2, temos os seguintes passos de

inferncias para implementao do algoritmo de clustering:
Passo 1 Coleta de Dados: O usurio responde ao questionrio Roger Verdier atravs
da ferramenta Web baseada na linguagem PHP (verso 5) com banco de dados Mysql,
para implementao em ambientes colaborativos como o MOODLE, o NETCLASS, o
TELEDUC, dentre outros, e ento o componente obtm as respostas da pgina,
inseridas pelos usurios, e as armazena para fazer o processo de comparao e
quantificao. O processo de quantificao e comparao funciona da seguinte forma:
(i) Se o aluno responder a partir de 3 SIMs para as perguntas 2, 4, 7, 8 e 14, ele
considerado E (Emotivo), seno ser nE (no-Emotivo);
(ii) Se o aluno responder a partir de 3 SIMs para as perguntas 3, 6, 10, 11 e 13, ele
considerado A (Ativo), seno ser nA (no-ativo);
(iii) Se o aluno responder a partir de 3 SIMs para as perguntas 1, 5, 9, 12 e 15, ele
considerado S (Repercusso Secundria), seno ser P (Repercusso Primria).
Passo 2 Caracterizao da Personalidade: H a anlise da personalidade do aluno,
que pode ser: emotivo (E), no emotivo (nE), ativo (A), no ativo (nA) e repercusso
Secundria (S) ou Primria (P).
(i) O componente computacional ir combinar os fatores resultantes da quantificao
dos resultados obtidos no passo 1, os quais podero resultar em vrias combinaes
(frmulas) de acordo com o cubo dos temperamentos, tais como: nEnAS, nEnAP,
nEAP, nEAS, EnAP, EAP, EnAS ou EAS.;
(ii) De acordo com o cubo de temperamentos o componente vai inferir o perfil
caracteriolgico do aluno, conforme descrito a seguir: Se a frmula for nEnAS, o aluno
do tipo Aptico; Se a frmula for nEnAP, o aluno do tipo Amorfo; Se a frmula for
nEAP, o aluno do tipo Social; Se a frmula for nEAS, o aluno do tipo Fleumtico;
Se a frmula for EnAP, o aluno do tipo Instvel; Se a frmula for EAP, o aluno do
tipo Ativo; Se a frmula for EnAS, o aluno do tipo Melanclico; Se a frmula for
EAS, o aluno do tipo Lder. O componente tambm dever criar, posteriormente, um
banco de dados com todos os nomes e caractersticas dos usurios para estudos
posteriores.
Passo 3 Formao de Grupos: O algoritmo de clustering utilizado em conjunto
com a ferramenta que realiza a avaliao Roger Verdier para a formao de grupos,
onde o encarregado da organizao (professor ou administrador) insere na interface
quantos alunos e quantos grupos planeja utilizar. Depois de inseridas as informaes, h
a execuo do algoritmo e gerada uma lista com o nome dos integrantes de cada
grupo, os quais foram organizados para maximizar o estudo colaborativo. Como
ilustrado na Figura 3, o algoritmo para a formao de grupos baseados em inferncias
de fatores scio-afetivos, funcionar da seguinte maneira:
1. definio do nmero de grupos e de alunos disponveis para o estudo em grupo,
feita pelo professor ou profissional encarregado.
2. verificao e separao dos tipos existentes, onde h a identificao dos
Centrides iniciais (lderes).
3. H a agregao dos grupos pelas similaridades ou pela falta delas (grupos afins
ou antitticos), onde os tipos agregadores, tanto lderes natos ou inatos (ativos ou
sociais) so utilizados como centrides.
4. H a agregao dos grupos (clusters) em volta dos centrides de acordo com as
definies previamente inseridas, onde, de preferncia, pessoas que possuem o
mesmo fator scio-afetivo no sejam agregadas no mesmo grupo, se no for
possvel, fazer com que tal situao ocorra o menor nmero de vezes possvel,
aumentando assim os resultados do trabalho colaborativo do grupo scio-afetivo.
 Figura 3. Funcionamento do algoritmo de clustering

4. Concluses e Trabalhos Futuros

Ambientes Virtuais de Aprendizagem (AVAs) so uma realidade crescente na
promoo da modalidade EaD, bem como as vrias ferramentas planejadas,
desenvolvidas, testadas e implementadas em tais ambientes. Portanto, este artigo
apresentou uma abordagem de algoritmos de clustering para a formao de grupos
scio-afetivos, de forma a potencializar a colaborao coletiva em atividades de ensino-
aprendizagem apoiadas por ferramentas computacionais.
O sucesso dos resultados esperados da abordagem de algoritmos de clustering na
formao de grupos scio-afetivos para a aprendizagem colaborativa Web exigir como
trabalhos futuros a sua implementao na linguagem Java, pela utilizao das
inferncias de fatores scio-afetivos, atravs da ferramenta Web Roger Verdier.

5. Referncias
BALLONE, G. J. Alteraes da Afetividade
http://www.psiqweb.med.br/cursos/afet.html
COLOSSI, Nelson; QUEIROZ, Etty G. CONSENTINO, Aldo. Mudanas no Contexto
do Ensino Superior no Brasil: Uma Tendncia ao Ensino Colaborativo. Cobenge
(Congresso Brasileiro de Educao em Engenharia), 2001.
http://www.pp.ufu.br/Cobenge2001/trabalhos/CPI008.pdf
FRANCISCO, Fernando Loureno; CALEFFI, Joo Augusto; OLIVEIRA, Rodrigo
Olivi de; LOSCHI, Daniela Cristina; BRANT, Bruno; ROFATTO, Otvio, 2005.
Tcnicas de Agrupamento (Clustering).
JAQUES, Patrcia Augustin & VICCARI, Rosa Maria. Considering Studentss emotions
in computer-mediated learning environments, In: Zongmin Ma (Org). Web-based
intelligent e-learning systems: Technologies and applications. Hershey, 2004.
JONES, Ann & ISSROFF, Kim. Learning technologies: Affective and social issues in
computer-supported collaborative learning, University College, London, UK, 2005.
JUSTO, F. S. C. Teste de Carter ao Alcance de Todos, Editora Escola Profissional La
Salle, Canoas Rio Grande do Sul, 1966
KREIJNS, K.; KIRSCHNER, P. A.; JOCHEMS, W. The Sociability of Computer-
Supported Collaborative Learning Environments. Educational Technology &
Society. Vol. 5, No. 1, 2002.
LABIDI, Sofiane. Netclass: Sistema multiagentes ao ensino-aprendizagem colaborativa,
Laboratrio de Sistemas Inteligentes (LSI). Universidade Federal do Maranho
(UFMA), 2003.
LIMA, Mark Renato Campos, 2006. Algoritmos Genticos na Formao de Grupos
para Aprendizagem Cooperativa Apoiada por Computador ,PPGEE/UFMA, 2006.
PROLA, Ana Teresa Medronha. Modelagem de um agente pedaggico animado para
um ambiente colaborativo: Considerando fatores sociais relevantes, INF/UFRGS,
2003.
QUARTO, Ccero Costa, 2006. Inferindo Fatores Scio-Afetivos em Ambientes de
Ensino-Aprendizagem Colaborativos Assistidos por Computador.
http://www.cct.uema.br/Relatorios_Tecnicos/RR-2007/Dissertacao_Cicero.pdf
QUARTO, Ccero Costa; LABIDI, Sofiane; JAQUES, Patrcia A.; SCHIVITZ, Ida M.
M., 2007. Considerando o Fator Scio-Afetivo Afinidade Social em Ambientes de
Ensino-Aprendizagem Colaborativos Assistidos por Computador. Revista do
Campus da ULBRA Gravata Interatividades N 10.
http://gravatai.ulbra.tche.br/interatividades/interatividades/3.10.html
VILELA, Virglio Vasconcelos; Por que EAD: Desvantagens do modelo de ensino
presencial, vantagens do modelo a distncia e o fator crtico de sucesso de ambas,
2006. http://www.possibilidades.com.br/ensino/presencial_x_ead.asp