Utilização da Mineração de Dados para descoberta de

conhecimento no Ambiente Virtual de Aprendizagem Moodle

1. INTRODUÇÃO
Com o avanço das tecnologias, a sociedade vem sofrendo alterações
constantemente, sobretudo no âmbito do ensino que sofreu alterações com o passar
do tempo, foram surgindo novas modalidades para a instrução dos alunos. Uma
delas é a Educação a Distância (EaD), onde são oferecidos cursos superiores,
tecnólogos e de extensão, que realizam por meio de uma plataforma virtual, mais
conhecida como Ambiente Virtual de Ensino e Aprendizagem (AVEA), o
acompanhamento e a tutoria dos alunos que ali estão matriculados. Conforme
ARRUDA e GONÇALVES(2005, p. 182) “A EAD pode ser compreendida a partir de
diversos processos cognitivos que envolvem a formação em um contexto de
distanciamento geográfico – ela compreende elementos simbióticos e simbólicos,
sociais, culturais, econômicos e educacionais”. Conforme COSTA e FRANCO (2005,
online) “os AVEAs, têm se tornado uma prática constante nas pesquisas em
educação a distância.” Em geral, a utilização destes ambientes não exige dos
professores conhecimentos aprofundados em computação, sendo necessárias
dedicação de algumas horas em cursos de formação para capacitá-los quanto ao
uso do ambiente e maior dedicação em relação aos processos educacionais que lá
ocorrem.
A Mineração de Dados é utilizada para realizar a extração de
informações úteis em grandes depósitos de dados. Técnicas de Associação,
classificação, Clusterização, detecção de anomalias, são exemplos de técnicas de
Mineração de Dados. Conforme TAN, STEINBACH e KUMAR (2009, p. 11):
A mineração de dados é o processo de descoberta automática de informações úteis
em grandes depósitos de dados. As técnicas de mineração de dados são
organizadas para agir sobre grandes bancos de dados com o intuito de descobrir
padrões úteis e recentes que poderiam, de outra forma, permanecer ignorados.

A proposta deste trabalho é estudar a base de dados do CEAR (Centro de

Ensino e Aprendizagem em Rede – da Universidade Estadual de Goiás), e utilizar
técnicas de mineração de dados, que possa levantar e analisar a efetividade da
comunicação entre o tutor e o aluno no AVA, com o objetivo de identificar elementos
que favoreceram o desempenho dos alunos, em relação à nota. Para tal, serão
investigadas técnicas de Mineração de dados e a base de dados do AVEA Moodle,
que será a fonte dos dados para desenvolvimento do projeto. Com base que este
estudo e técnicas podem ser aplicadas em diversas áreas para a obtenção de
conhecimentos que ficam ocultos em grande bases de dados, e estes
conhecimentos podem proporcionar resultados significativos para o desenvolvimento
de vendas, análise de comportamento e vários outros segmentos.
2. Fundamentação Teórica
A Mineração de dados é a técnica que aplicada em uma grande porção de
dados pré-selecionados, tende a descobrir conhecimentos que estão ocultos para os
gestores dentro da base de dados. A mineração está dentro das etapas do processo
KDD (Knowledge Discovery in Databases - Descoberta de conhecimento em banco
de dados) conforme a imagem abaixo mostra as etapas:

O processo de mineração de dados acontece por meio de 4 fases, são elas:

1ª fase – Coleta dos dados, buscar os dados que serão investigados e
analisados, estes dados estão armazenados na base de dados.
2ª fase – Processamento dos dados, processar os dados para que eles
fiquem de forma adequada e transformados no formato adequado para que possam
ser aplicados os algoritmos de mineração em cima deles. Nesta etapa também é
feita a limpeza dos dados, onde são retirados ruídos e dados inconsistentes.
3ª fase – Aplicação da mineração, Nesta fase são aplicados algoritmos que
irão analisar os dados selecionados e processados, procurando por padrões que
possam gerar conhecimentos, que ainda não foram percebidas por gestores. Há
diversos algoritmos que são usados nesta fase, como os de associação e
classificação.
4ª fase – Avaliação, Os resultados obtidos na fase anterior serão analisados e
verificados, para que o conhecimento obtido possa ser utilizado.
Em relação ao AVEA moodle, é uma ferramenta de código livre, utilizada no
mundo inteiro por diversas instituições. Qualquer indivíduo com o código-fonte pode
modificá-lo conforme os seus desejos e parâmetros para atender às suas
necessidades.
O AVEA Moodle é uma aplicação web que pode ser acessada a partir de
qualquer navegador de internet desenvolvido em linguagem PHP (Hypertext
Preprocessor), que o torna em um site totalmente dinâmico. O que quer dizer que
todo o código em PHP é executado no servidor, deixando apenas a parte HTML a
ser executada na máquina que solicitando o acesso.
No que se refere à aplicação é um SGC (Sistema de Gerenciamento de
Curso), que possibilita à instituições de ensino criar salas de bate-papo, fóruns,
atividades com envio e compartilhamento de documentos e arquivos entre os tutores
e alunos, cadastrar usuários e definir perfil para cada um. Todos esses dados são
armazenados na base de dados, onde a mesma contém cerca de 145 tabelas, que
são gerenciadas por um software gerenciador de banco de dados conhecido
também como SGBD (Sistemas Gerenciadores de Banco de Dados).
“O principal objetivo de um SGBD é proporcionar uma forma de armazenar e
recuperar informações de um banco de dados de maneira conveniente e eficiente.”
(SILBERSCHATZ, 2012, p. 1).
O SGBD utilizado pelo CEAR-UEG neste projeto é o PostgreSQL, é um
SGBD Objeto-relacional de código fonte-aberto, que foi desenvolvido na
Universidade de Califórnia em Berkley.
A ferramenta WEKA, é uma suíte onde contém diversos algoritmos de
mineração de dados. Ela desenvolvida usando a linguagem Java e criada nas
dependências da Universidade Waikaito, Nova Zelândia. Contém um pacote de
algoritmos de aprendizagem de máquina, capaz de resolver problemas reais
utilizando técnicas de Mineração de Dados.
Conforme podemos ver, manter os dados gerados pelo ambiente virtual
armazenados em uma base de dados, é de tamanha importância, para que os
mesmos possam ser acessados e utilizados novamente, como por exemplo, no
projeto de pesquisa em questão, iremos utilizar os dados gerados para neles realizar
a coleta, o processamento, a aplicação de algoritmos de mineração e a avaliação
dos resultados.