Escolar Documentos
Profissional Documentos
Cultura Documentos
LDAAprendizagem BOOK
LDAAprendizagem BOOK
Learning Design
e Avaliação de
Aprendizagem
São Paulo
2019
Sistema de Bibliotecas do Grupo Cruzeiro do Sul Educacional
PRODUÇÃO EDITORIAL - CRUZEIRO DO SUL EDUCACIONAL. CRUZEIRO DO SUL VIRTUAL
Learning Design e
Avaliação de Aprendizagem
SUMÁRIO
9 Unidade 1 – Fundamentos do Learning Design
Analytics: Processos,
61 Unidade 4 – Learning
Técnicas e Ferramentas
PLANO DE
AULA
Orientações de estudo
Para que o conteúdo desta Disciplina seja bem Conserve seu
aproveitado e haja maior aplicabilidade na sua material e local de
formação acadêmica e atuação profissional, siga estudos sempre
algumas recomendações básicas: organizados.
Aproveite as
Procure manter indicações
contato com seus de Material
colegas e tutores Complementar.
para trocar ideias!
Determine um Isso amplia a
horário fixo aprendizagem.
para estudar.
Mantenha o foco!
Evite se distrair com
as redes sociais.
Seja original!
Nunca plagie
trabalhos.
Não se esqueça
de se alimentar
Assim: e de se manter
Organize seus estudos de maneira que passem a fazer parte da hidratado.
sua rotina. Por exemplo, você poderá determinar um dia e horário
fixos como seu “momento do estudo”;
No material de cada Unidade, há leituras indicadas e, entre elas, artigos científicos, livros, vídeos e sites
para aprofundar os conhecimentos adquiridos ao longo da Unidade. Além disso, você também encontrará
sugestões de conteúdo extra no item Material Complementar, que ampliarão sua interpretação e
auxiliarão no pleno entendimento dos temas abordados;
Após o contato com o conteúdo proposto, participe dos debates mediados em fóruns de discussão, pois
irão auxiliar a verificar o quanto você absorveu de conhecimento, além de propiciar o contato com
seus colegas e tutores, o que se apresenta como rico espaço de troca de ideias e de aprendizagem.
6
Objetivos de aprendizagem
Fundamentos do Learning Design
Unidade 1
» Apresentar algumas representações de modelos e processos para o desenvolvimento de ferramentas de Learning Analytics
propostos por alguns pesquisadores;
» Conhecer resumidamente as técnicas de mineração de dados e visualização da informação, utilizadas para o desenvolvimento
de ferramentas de Learning Analytics;
» Destacar algumas ferramentas de Learning Analytics desenvolvidas, enfatizando os ambientes virtuais, público-alvo e
características;
» Apresentar a categorização e o público-alvo para as ferramentas de Learning Analytics;
» Expor algumas tecnologias que podem ser utilizadas para o desenvolvimento das ferramentas de Learning Analytics.
7
1
Fundamentos do Learning Design
Revisão Textual:
Prof.ª Dr.ª Selma Aparecida Cesarin
Fundamentos do Learning Design
UNIDADE
1
Contextualização
O estudo desta Disciplina é fundamental ao discente para a compreensão das abor-
dagens teóricas contemporâneas da área da Educação e suas práticas.
Embora relativamente recente, o Learning Design tem suas bases alicerçadas sobre
outras áreas mais antigas. Pode ser considerado um desdobramento disso e, no caso
do Learning Design, para o seu entendimento, torna-se importante e mais didático
compreendê-lo também a partir do prisma da contradição com as áreas que se asseme-
lham a ele – nomeadamente, o Design ou Desenho Instrucional, o Design ou Desenho
Educacional e, finalmente, o próprio Learning Design.
Esse segmento no qual se situa o Learning Design é um campo de pesquisa que tem
ênfase na intenção pedagógica, seguindo princípios de alto nível de design, posiciona-
dos no âmbito da pesquisa educacional sociocultural.
10
Introdução
O exame diagnóstico da Tecnologia Educacional faz incontornável uma visão re-
trospectiva. Neste ínterim, considerando-se as restrições tecnológicas relativas a cada
época, a Educação sempre procurou lançar mão de uma variedade de mídias, instru-
mentos e processos que estavam a seu alcance, a fim de facilitar seja o ensino, seja o
aprendizado dos alunos.
Uma mudança evidente ocorreu no início do século 20, com o surgimento do inte-
resse no uso de diferentes tipos de recursos na Educação, especialmente, a partir do
advento do registro da imagem fixa e da animada.
Esse interesse foi renovado e ampliado na década de 1960, com mudanças tec-
nológicas, como o melhor desenvolvimento dos computadores eletrônicos e dos digi-
tais; bem como mudanças sociais importantes, que levaram à extensão da escolaridade
obrigatória nos países industrializados, independência de colônias, grandes potências
polarizadoras que despontaram e competiam não só econômica e politicamente, mas
tecnologicamente pela hegemonia mundial.
E foi justamente das Instituições militares de ponta, fomentadas nesses países he-
gemônicos, que surgiram as Tecnologias Educacionais contemporâneas e seu suporte
científico e filosófico integrado a esse desenvolvimentismo.
Uma visão positiva e importante até os dias de hoje é a de que os professores não
são mais os únicos provedores de conhecimento. Entretanto, os Meios de Comunicação,
como a imprensa escrita, o Rádio, o Cinema, a Televisão, inundam o cidadão em esco-
larização com informações que competem com a Escola e podem trazer o bem e, talvez,
mais o mal se não forem filtrados pela própria Educação.
11
Fundamentos do Learning Design
UNIDADE
1
liberando o professor das tarefas mais mecânicas (repetições, correções de trabalhos de
casa), o que lhe permitiria dedicar mais tempo para orientar individualmente seus alunos,
no caso do ensino programado, ou criar grupos de discussão, numa metodologia coletiva.
Como era frequentemente o caso naquela época, a técnica e a metodologia são con-
sideradas capazes de compensar a falta de professores qualificados (a Pedagogia é entre-
gue pronta ao professor e aplicada ao aluno). Além disso, as tecnologias da comunicação
chegam a uma grande massa coletiva, vez que podem transmitir em Rede.
À partida, a ideia básica era que as novas Tecnologias podem aumentar a produtivi-
dade da Educação e que devem ser combinadas de acordo com três princípios: o aluno
deve progredir no seu próprio ritmo (o que encoraja o uso de instrução programada);
como membro de um grupo, os alunos se beneficiarão dos meios de comunicação au-
diovisuais; e, finalmente, o desempenho da Instituição Escola não deve ser apenas aca-
dêmico, mas socioeconômico, alinhada à vida social e à atividade produtiva.
Entre as teorias mais conhecidas estão, em primeiro lugar, aquelas marcadas pelo rótu-
lo das Ciências comportamentais (Behaviorismo). Em particular, ele destaca a importância
das contribuições de Gagné. Este estadunidense é o autor de um livro referência nos Es-
12
tados Unidos, que passou por muitas reedições: The conditions of learning (1985), ou
“As condições da Aprendizagem”, em português, cuja primeira edição remonta a 1965.
O Learning Design surge mais recentemente e pode ser considerado um fato novo
deste século 21; entretanto, com suas raízes igualmente fincadas, parafraseando Gagné,
no modelo sistemático do Design Instrucional.
Esse segmento, no qual se situa o Learning Design, é um campo de pesquisa que tem
ênfase na intenção pedagógica, seguindo princípios de alto nível de design, posiciona-
dos no âmbito da pesquisa educacional sociocultural.
13
Fundamentos do Learning Design
UNIDADE
1
O LD ocupa-se dos processos educacionais de planejamento e gestão de atividades
de aprendizagem, apoiando os professores na entrega e no compartilhamento de insi-
ghts e práticas para melhorar a aprendizagem dos alunos.
Alguns artigos do início deste século definem melhor os contornos da área, especialmen-
te Britain (2004), que revisa justamente os seus conceitos, especificações e ferramentas.
Para Beetham e Sharpe (2007), o termo Learning Design sugere que modelos de
práticas pedagógicas devem ser elaborados a partir de contextos reais de ensino e apren-
dizagem, ou seja, os modelos devem partir das práxis. Isso evidencia um viés do LD
muito voltado ao contexto e à experiência de aprendizagem direta do aluno.
Alguns autores acreditam que os dois termos são sinônimos, outros veem emergir
um novo domínio do conhecimento com a sua criação, em convivência ou substituição
gradual em relação ao Design Instrucional.
14
Design Instrucional X Design Educacional X
Learning Design
Os termos Design Educacional, Learning Design e Design Instrucional são usados
de forma intercambiável, dependendo da natureza do trabalho e do ambiente em que é
realizado; entretanto, há nuances entre eles, e são consideravelmente distintos se exa-
minados mais de perto.
De todo modo, um designer habilidoso pode circular entre os três campos dentro de
sua vida profissional, e chega mesmo a fazê-lo sem saber exatamente onde está a atuar
naquele momento, razão pela qual é importante conhecê-los com mais precisão.
Design Instrucional
Instructional Design é um termo popularizado pelos pioneiros estadunidenses. Ana-
lisando um contexto global, principalmente nos países de língua inglesa, o termo “De-
sign Instrucional” é usado, enquanto nos países de língua francesa, o termo “Engenha-
ria Educacional” é utilizado como seu sinônimo.
Essas instruções podem variar desde um Manual sobre como trabalhar com seguros
até um Curso sobre como gerenciar seu portfólio de investimentos.
1 Tradução livre.
15
Fundamentos do Learning Design
UNIDADE
1
O componente de estratégia instrucional do nosso modelo descreve como o designer
usa a informação da análise do que deve ser ensinado para formular um plano para
apresentar instrução aos alunos.
Design Educacional
“Design Educacional é uma prática profissional com suas raízes no modelo sistemáti-
co do Design Instrucional”4 (GAGNÉ, 2004), podendo Design Educacional ser conside-
rado uma espécie de termo guarda-chuva, nesse contexto.
Figura 1
Fonte: Getty Images
Tomando por base essa fundamentação, faz sentido a referida Ciência dar título a
esse curso de Pós-Graduação, como o faz, pois, dessa maneira, o Programa do Curso
posiciona-se como abrangente de todos os componentes da área da Educação, aqui
mediada pela Tecnologia.
2 Tradução livre.
3 Tradução livre.
4 Tradução livre.
16
O Designer Educacional definitivamente precisa de treinamento formal em aprendi-
zado e ensino, bem como conhecimento atual das Ciências da Aprendizagem.
O seu trabalho está essencialmente centrado no aluno e nos seus processos de intera-
ção e apropriação. Assim, prioriza os processos didáticos envolvidos na aprendizagem,
e não o processo de produção de conteúdo.
Learning Design
Definição
Uma frase publicada pela Pearson nova-iorquina dá contornos lúdicos ao termo:
“Learning Design: é difícil, mas funciona”5 (PEARSON EDUCATION, 2018).
Figura 2
Fonte: Getty Images
5 Tradução livre.
17
Fundamentos do Learning Design
UNIDADE
1
Learning Design – Numa visão prática, quando pensamos nesse termo, vem à me-
mória as seguintes ideias:
• “Design da Aprendizagem”, uma possível tradução literal;
• Planejamento Didático ou o clássico “Planejamento Pedagógico”;
• Metodologias e processos, trilhas de aprendizagem;
• Foco no processo de ensino-aprendizagem.
Portanto...
Processo
A chave para compreender a prática do Learning Design é apreender o seu proces-
so, que deve começar com uma avaliação inicial. Como sabemos, temos por definição
três tipos de modalidades avaliativas:
• A avaliação diagnóstica, cuja função é pesquisar quais as competências prévias
que o aluno traz consigo, antes de ser imerso nesse novo processo de aprendizagem;
• A avaliação formativa, que ocorre durante a execução das situações de aprendi-
zagem, e tem como objetivo acompanhar a evolução de desempenho e orientar o
aluno – seu intuito é a formação, como o próprio nome diz;
• A avaliação somativa, a clássica avaliação em formato de teste, que ocorre ao final
de uma situação de aprendizagem, seja em nível micro, seja em macro, dentro de
uma formação na qual o aluno é inserido.
Portanto, adota-se como ponto de partida para o processo de Learning Design uma
avaliação do tipo Diagnóstica.
6 Tradução livre.
18
Como definiu Britain (2004), podemos considerar alguns passos que, resumidamen-
te, abrangeriam: que recursos tenho disponíveis, qual a jornada de aprendizado, a exe-
cução, qual o papel de cada um no processo?
Quanto à última, definir o papel de cada participante do processo está implícito tam-
bém em Britain.
As questões são: como avalio o atingimento dos objetivos de aprendizagem pelo alu-
no? Qual o formato da avaliação e como informar ao aluno o resultado do seu progresso?
19
Fundamentos do Learning Design
UNIDADE
1
Design
Arq forma
Inte n de
uite ção
In
e
rfac
ig
tur
Des
adea
Est onteú
dad
de
rat do
C
bili
égi
Usa
a
Pesquisa
Podemos associar uma definição de Learning Design à definição dada pela Norma
ISO para a ciência componente da UX mais proeminente e influenciadora do seu domí-
nio, a Usabilidade.
Essa definição, contraposta à antiga definição de 1998 dada pela Norma ISO, mostra
que o trabalho da Editora Pearson teve clara influência do mais antigo: “Usabilidade é
a medida pela qual um produto pode ser usado por usuários específicos para alcançar
objetivos específicos com eficácia, eficiência e satisfação em um contexto de uso
específico” (ISO 9241-11:1998, p. 6).
Assim como o Learning Design (LD), a área de Experiência do Usuário (UX) im-
plementa processos de design centrados nos interagentes: no usuário (para sites Web
ou Aplicações), ou no aluno de ambientes de aprendizado mediado por computador
(e-Learning).
7 Tradução livre.
20
Material Complementar
Indicações para saber mais sobre os assuntos abordados nesta Unidade:
Sites
Semantic Studios
O blog do autor Peter Morville.
https://goo.gl/NeFTNg
Livros
Information Architecture for the Word Wide Web
ROSENFELD, L.; MORVILLE, P. Information Architecture for the Word Wide Web.
3.ed. Sebastopol: O’Reilly, 2008;
Vídeos
Como instalar o Powerpoint Storyboard
https://goo.gl/8rW8jD
Leitura
Learning design e tecnologias: criação de ambientes colaborativos para a aprendizagem
ASSIS, M. P.; ALMEIDA, M. Learning design e tecnologias: criação de ambientes
colaborativos para a aprendizagem. Psicologia da Educação, PUC-SP, São Paulo, n. 44,
p. 47-56, jun. 2017.
https://goo.gl/LFG5Lc
Microsoft Powerpoint Storyboard
Acesse também a ferramenta Powerpoint Storyboard, para criação e planejamento de
storyboards.
https://msdn.microsoft.com/pt-br/library/hh409276.aspx
21
Fundamentos do Learning Design
UNIDADE
1
Referências
BEETHAM, H.; SHARPE, R. Rethinking pedagogy for a digital age: designing and
delivering e-learning. Londres: Routledge, 2007.
DICK, W.; CAREY, L.; CAREY, J. The systematic design of instruction. 8.ed. New
York: Pearson, 2015.
GAGNÉ, R. The Conditions of Learning. 4.ed. New York: Holt, Rinehart & Winston, 1985.
PISKURICH, George M. Rapid Instructional Design: learning ID fast and right. 2.ed.
San Francisco: Pfeiffer, 2006.
22
2
UX Design e Learning Experience
Revisão Textual:
Prof.ª Dr.ª Selma Aparecida Cesarin
UX Design e Learning Experience
UNIDADE
2
Contextualização
O estudo desta Disciplina é fundamental para o discente para a compreensão das
abordagens teóricas contemporâneas da área da Educação e suas práticas, seja em âm-
bito acadêmico, seja em corporativo.
Isso sempre visando à compreensão de onde esse aluno insere-se na gama de áreas
do conhecimento que constituem a Educação e, em particular, o e-Learning, entenden-
do as formas de atuação profissional possíveis hoje, bem como a compreensão da corre-
lação com as TICs, as Tecnologias da Informação e da Comunicação, e suas aplicações
à Educação – o que nos levou ao advento das TICE, as Tecnologias da Informação e da
Comunicação aplicadas à Educação.
A partir de então, podemos conhecer a relação dessa User Experience com o Learning
Design, a fim de derivarmos a ideia da construção dessa área do conhecimento e, por
raciocínio indutivo, compreendermos a resultante chamada de Learning Experience.
24
As Novas Tecnologias, Metodologias
e a Educação
É fundamental a compreensão das abordagens teóricas contemporâneas da área
da Educação, bem como suas práticas, seja em âmbito acadêmico, seja no da educa-
ção corporativa.
25
UX Design e Learning Experience
UNIDADE
2
Nesse contexto pós-moderno, parte-se dos novos conceitos da produção colaborativa
mediada, partindo da contextualização social e cultural dos indivíduos envolvidos no
processo de ensino-aprendizagem.
Dessa forma, tem-se repensado a esfera do ensino, tornando a tecnologia uma “tec-
nologia social”, na qual as ferramentas colaborativas de compartilhamento podem auxi-
liar uma ação educativa que privilegia a participação interativa na construção do conhe-
cimento interdisciplinar entre os sujeitos interagentes – educadores, educandos e demais
atores envolvidos em âmbito escolar acadêmico.
Essa convergência tem como efeito que as ferramentas de mídia (plataformas, redes),
bem como o conteúdo informacional e seus fluxos, são cada vez mais versáteis, mais
multimodais (imagem, texto, som, ambientes tridimensionais, realidade virtual, realida-
de aumentada).
Alguns autores acreditam que os dois termos são sinônimos, outros veem emergir
um novo domínio do conhecimento com a sua criação, em convivência ou substituição
gradual em relação ao Design Instrucional.
Por outro lado, a User Experience é uma ciência mesmo transdisciplinar que vem do
campo de atuação das mídias digitais.
26
Falaremos sobre ambas, e algumas respectivas Ciências relacionadas a cada uma,
para que ao final compreendamos o quadro mais amplo do produto da sua hibridação.
A EaD, pelo fato de justamente tratar-se de uma atividade educativa mediada, insere-
-se num espaço de interseção entre as áreas do conhecimento das Ciências da Educação
e da Comunicação, que se equilibra sobre uma modalidade múltipla de linguagens pau-
tadas por recursos de interação colaborativa.
27
UX Design e Learning Experience
UNIDADE
2
Os nove eventos da instrução de Gagné (1985) eram os seguintes:
1. Despertar o interesse e a atenção;
2. Apresentar objetivos;
3. Ativar pré-requisitos de conhecimento;
4. Apresentar informação;
5. Fornecer orientação;
6. Descobrir formas de otimizar o desempenho (prática);
7. Feedback corretivo;
8. Avaliação do desempenho;
9. Maximizar a retenção do conhecimento.
28
Essa abordagem mantém a experiência do aluno no centro de todas as decisões de
desenvolvimento, levando a melhores resultados para o aluno.
User Experience
User Experience é um termo guarda-chuva e uma área que estuda e trabalha a ex-
periência do interagente (usuário, aluno) com a sua interface de sistema interativo, mas
também com a marca, produtos, serviços etc.
A User Experience engloba várias áreas correlatas desse universo do conhecimento, como:
• Arquitetura da Informação;
29
UX Design e Learning Experience
UNIDADE
2
• Design e Design de Interface;
• Usabilidade;
• Conteúdo;
• Pesquisa.
Design
Arq forma
Inte n de
uite ção
In
e
rfac
ig
tur
Des
ad
e a
Est onteú
dad
de
rat do
C
bili
égi
Usa
a
Pesquisa
Podemos associar uma definição de Learning Design à definição dada pela Norma
ISO para a Ciência componente da UX mais proeminente e influenciadora do seu do-
mínio, a Usabilidade.
Assim como o Learning Design (LD), a área de Experiência do Usuário (UX) implemen-
ta processos de design centrados nos interagentes: no usuário (para sites Web ou Aplica-
ções), ou no aluno de ambientes de aprendizado mediados por computador (e-Learning).
1 Tradução livre.
30
Usabilidade
A Arquitetura da Informação e a análise de Usabilidade são etapas fundamentais num
projeto centrado no usuário. Isso tanto numa etapa de predefinição, de Planejamento e
de Design quanto numa posterior etapa de Avaliação.
2 Tradução livre.
31
UX Design e Learning Experience
UNIDADE
2
• Prevenção de erros;
• Reconhecimento ao invés de lembrança;
• Flexibilidade e eficiência de uso;
• Estética e design minimalista;
• Ajudar os usuários a reconhecer, diagnosticar e corrigir erros;
• Ajuda e documentação.
Arquitetura da Informação
A Arquitetura da Informação traz consigo uma metodologia para estruturação de
sistemas de informação aplicáveis a qualquer ambiente informacional, sendo este com-
preendido como o espaço que integra Contexto, Conteúdo e Usuários.
Considera-se que é a base para a construção dos espaços e fluxos de interface in-
terativa que darão lugar à Experiência de Aprendizado, ou Learning Experience, num
ambiente dedicado ao aprendizado, como um AVA ou outros recursos educacionais.
Contexto
Objetivos do negócio
Ambiente de uso
Cultura da Empresa
Políticas da Empresa
Restrições
Usuário Conteúdo
Audiências Documentos
Tarefas Volume
Necessidades Formato
Comportamentos Estrutura
Experiência Governança
Atualização
Para melhor entender essa área e a sua relação com o Design Educacional ou Ins-
trucional, a obra inaugural e clássica é Information Architecture for the Word Wide
Web (MORVILLE, ROSENFELD, 2006).
32
Semantic Studios é o título do blog do autor do clássico Livro do urso polar (Information
Architecture for the World Wide Web), Peter Morville: https://goo.gl/NeFTNg
Nele, você encontrará artigos sobre as atualidades da área e os fundamentos da Arquitetu-
ra da Informação.
33
UX Design e Learning Experience
UNIDADE
2
Material Complementar
Indicações para saber mais sobre os assuntos abordados nesta Unidade:
Sites
Semantic Studios
O blog do autor Peter Morville.
https://goo.gl/NeFTNg
Livros
Emotional Design
Norman, D. Emotional design. New York: Basic Books, 2004;
Leitura
Learning Design e Tecnologias: Criação de Ambientes Colaborativos para a Aprendizagem
ASSIS, M. P.; ALMEIDA, M. Learning design e tecnologias: criação de ambientes co-
laborativos para a aprendizagem. Psicologia da Educação, PUC-SP, São Paulo, n. 44,
p. 47-56, jun. 2017.
https://goo.gl/LFG5Lc
34
Referências
BARBERO, J. M. Dos meios às mediações. Rio de Janeiro: UFRJ, 1995.
GAGNÉ, R. The Conditions of Learning. 4.ed. New York: Holt, Rinehart & Winston, 1985.
GAGNÉ, R. et al. Principles of instructional design. 5.ed. Belmont: Cengage Learning, 2004.
NIELSEN, J. 10 Usability heuristics for user Interface design. 1 jan. 1995. Dispo-
nível em: <https://www.nngroup.com/articles/ten-usability-heuristics>. Acesso em: 20
out. 2018.
35
3
Learning Analytics: Fundamentos
Revisão Textual:
Prof.ª Me. Luciene Oliveira da Costa Santos
Learning Analytics: Fundamentos
UNIDADE
3
Contextualização
Uma instituição de ensino superior que atua há mais de 10 anos na Educação a
Distância, tem 80 mil alunos de graduação e pós-graduação e, desde o seu início, faz
uso intenso de Tecnologia da Informação e Comunicação (TIC), envolvendo sistemas de
comunicação e de administração acadêmica, ambientes virtuais de aprendizagem (AVA),
uma plataforma de Massive Open Online Courses (MOOC) para o oferecimento de
cursos abertos e um sistema de Aprendizagem Adaptativo e Inteligente proprietário,
ainda em desenvolvimento, para o oferecimento de cursos de línguas.
Todos os dados dos cursos, seus personagens e uso das plataformas são devidamente
guardados nos bancos de dados da Instituição, perfazendo um interessante conjunto de
dados históricos.
38
Qual é o perfil do aluno com maior dificuldade?
Em qual parte do curso ocorre a maior taxa de evasão?
Existe alguma relação entre a evasão e as reprovações?
Por sua vez, Srta. Josefa, a designer instrucional da instituição, fez mudanças
no desenho do curso do Prof. Maurinho no último ano e ficou muito interessada
em saber:
Além deles, o pró-reitor, o Prof. Dr. Vlad, preocupado com o atendimento aos
alunos pelos setores da Instituição, interessado no impacto competitivo que pode
gerar o sucesso dos seus alunos, consequente melhora na avaliação dos cursos
e visibilidade da instituição, além do aumento nas inscrições dos vestibulares,
gostaria de conhecer:
Será que há alguma área de pesquisa que estuda e se preocupa com a seleção e captura de dados
educacionais com o objetivo de processar, analisar, exibir e compartilhar informações com o
intuito de extrair algum conhecimento desses dados e melhorar os resultados da aprendizagem
dos alunos?
Ah, existe! Essa área chama-se Learning Analytics, uma emergente área de pesquisa
que se preocupa com essas questões. Vamos conhecê-la?
39
Learning Analytics: Fundamentos
UNIDADE
3
Introdução
Ao imaginar o futuro da educação, provavelmente vêm à nossa mente novos
dispositivos de computação, tecnologias ubíquas, salas de aula virtuais tridimensionais e
interativas, monitores inovadores, dentre outros.
Porém, um elemento que não podemos tocar ou ver e que está se tornando cada vez
mais importante para a educação são os dados e a sua análise. Isso mesmo! Especialmente
se pensarmos no ensino superior que faz o uso de diversos sistemas, como os Ambientes
Virtuais de Aprendizagem (AVA), Sistemas de Aprendizagem Abertos (Massive Open
Online Courses – MOOCs), Sistemas de Aprendizagem Adaptativos e Inteligentes,
Sistemas de Gestão da Aprendizagem e/ou Sistemas Institucionais, que são utilizados
como uma Tecnologia da Comunicação e Informação (TIC) para ensinar, aprender e
armazenar dados.
O uso dos espaços desses sistemas por funcionários, administradores, educadores e
estudantes acaba deixando “pegadas digitais”, tais como: acesso a uma página de um
curso; tempo de leitura envolvendo um texto teórico; tempo utilizado para assistir um
vídeo ou áudio; interações em áreas colaborativas, como o fórum, o bate-papo, o blog
e o wiki; resultados obtidos da resolução de atividades individuais e em grupos, além
do tempo utilizado para resolvê-las; envio de e-mails; tempo desde o último acesso ao
sistema; colocação de informações pessoais e outros.
Essas “pegadas digitais” representam uma trilha de aprendizagem que funciona como
um histórico e, por meio de sua análise, tem o poder de informar como ocorre o ensino
e a aprendizagem nesses meios, além de extrair o conhecimento carregado nessas
trilhas com o objetivo de melhorar a aprendizagem dos estudantes, sugerir necessidade
de reforço, identificar dificuldades de aprendizagem, monitorar o risco de evasão, sugerir
caminhos para os educadores melhorar o seu processo de ensino, e muito mais.
Nessa linha, encontra-se Learning Analytics (LA) uma recente área de pesquisa que
tem o foco no estudo dos dados, análise e desenvolvimento de ferramentas analíticas
com o objetivo de melhorar a aprendizagem e os ambientes nos quais ela ocorre. Essas
ferramentas podem fazer parte de um sistema hipermídia genérico e/ou de um AVA
e são projetadas para os membros do meio educacional e voltadas para a melhoria da
aprendizagem dos alunos, como apresenta Silva Jr. e Oliveira (2016).
De forma simplificada e informal, podemos dizer que LA envolve o uso dos dados e
sua análise para responder perguntas a respeito do processo de ensino e aprendizagem
com o intuito de ter esse conhecimento para melhorá-lo.
A fim de tentar compreender melhor essa área, poderíamos nos perguntar:
• Qual a finalidade de LA?
• Qual sua definição, conceitos e áreas correlatas?
• Quais são seus desafios e aspectos relevantes?
40
Então, no intuito de auxiliar a responder a essas perguntas e conhecer um pouco a
respeito dessa interessante área de pesquisa, convido-o a ler o texto a seguir.
Percurso Histórico
Historicamente, a Learning Analytics começou em meados de 2010 com um grupo
de pesquisadores relacionados à educação digital que se uniram em um esforço para
apoiar o seu surgimento como um movimento internacional, criaram a organização
profissional Society for Learning Analytics Research (SOLAR) e fizeram a primeira
conferência Learning Analytics and Knowledge (LAK) no ano de 2011 em Alberta no
Canadá. Tendo continuado com as conferências anuais:
• LAK 2012 em Vancouver, Canadá;
• LAK 2013 em Indianápolis, Estados Unidos;
• LAK 2014, em Leuven, na Bélgica;
• LAK 2015 em Poughkeepsie, Nova Iorque, Estados Unidos;
• LAK 2016 em Edinburgh, Reino Unido; e
• LAK 2017 em Vancouver, Canadá.
Quem desejar saber mais a respeito, tem interesse em discutir ou partilhar os seus
resultados a respeito da LA deve consultar o site de SOLAR.
https://solaresearch.org/
Conceitos
Durante a primeira década do século XXI, a maioria das universidades tem investido
em novos sistemas, TICs, voltados para a educação e Ambientes Virtuais de Apren-
dizagem. Esses artefatos reúnem dados de estudantes, como um retrato detalhado do
aluno desde a sua admissão até a sua formação no ensino superior.
Por meio desses dados temos a oportunidade de encontrar respostas para algumas
perguntas ou dúvidas a respeito do percurso da aprendizagem do estudante. Nessa
linha, vem a área de pesquisa Learning Analytics (LA) que, informalmente, diz respeito
ao uso de dados educacionais com o objetivo de responder perguntas sobre o ensino e
a aprendizagem.
41
Learning Analytics: Fundamentos
UNIDADE
3
Você pode se perguntar por que LA tem pouco tempo de pesquisa se as instituições
de ensino possuem informações e registros de desempenho dos seus alunos há tanto
tempo? Boa pergunta!
1. Os dados a respeito do ensino e da aprendizagem dos alunos estão mais acessíveis
e abundantes, ou seja:
• A instituições reúnem dados de registros de estudantes de fontes variadas que
permitem obter um histórico detalhado desde a sua matrícula até a conclusão.
• Esses dados podem ser acessados com relativa facilidade.
• Também, o uso dos Ambientes Virtuais de Aprendizagem (AVAs), como
Moodle, Teleduc, Tidia-Ae e Blackboard nas aulas presenciais, semipresenciais
ou a distância, permitem obter, de forma digital, dados a respeito do acesso e
navegação dos alunos a seus espaços de ensino e aprendizagem, tais como as
áreas de material educacional, dos exercícios, das avaliações, das ferramentas
colaborativas, dentre outras.
• Então, os valores medidos pelos AVAs permitem obter informações do com-
portamento dos alunos e a forma como eles aprendem.
2. O surgimento de abordagens analíticas inovadoras que permitem manipular os
dados, gerar informações e conhecimento que podem ser visualizados. Assim, é
possível realizar o uso da tecnologia com o intuito de apoiar a tomada de decisão
e treinar estudantes e professores na efetividade da aprendizagem dos alunos.
Baseados nas apresentações de Mckay (2014), vamos detalhar algumas partes dessa
definição?
A partir das medições temos, a coleta que é realizada pelas Tecnologias de Informação
e Comunicação (TIC).
42
Por sua vez, a análise envolve técnicas e algoritmos que realizam a manipulação,
inferência e processamento de grande quantidade de dados coletados e nos ajuda a
compreender como está o andamento da situação dos alunos.
Mas poderíamos nos perguntar: que dados? Em princípio, os dados disponíveis para
LA são qualquer coisa que pode ser medida. Porém, não têm que ser necessariamente
quantificável e pode incluir, por exemplo, texto, imagem e vídeo.
Bem, obviamente, são os estudantes, tanto de dentro quanto fora da Instituição. Além
dos estudantes, os integrantes da Instituição que influenciam o ensino e a aprendizagem
também podem ser considerados “alunos”, tais como os professores, os tutores,
designers instrucionais e os responsáveis pela administração do ensino (coordenadores,
diretores, pró-reitores, reitores). Por isso, alunos são aqueles que estão preocupados
com o ensino e a aprendizagem.
43
Learning Analytics: Fundamentos
UNIDADE
3
Voltando ao ponto, anteriormente abordado, a respeito dos dados trilhados pelos
alunos desde a sua matrícula até a sua formação. Durante esse período, o estudante
realiza cursos, participa de disciplinas e eventos, gerando dados na forma de “pegadas
digitais” que podem informar o seu percurso de aprendizagem e prever situações,
pelo uso de técnicas adequadas. Por meio dessas pegadas, os envolvidos no processo
educacional podem desejar fazer perguntas com o intuito de melhorar a aprendizagem,
inclusive o próprio estudante.
Tendo em vista que alguns dos envolvidos no processo educacional do ensino superior
são estudantes, professores/tutores, administradores (coordenadores, diretores, pró-
reitores, reitor) e projetista de curso/conteudista/design instrucional e que todos têm
perguntas, vamos especular sobre algumas delas?
Estudante
• Qual curso/disciplina devo cursar?
• Qual é o perfil de quem faz esse curso?
• Quais são os pré-requisitos para cursar uma determinada disciplina?
• O que eu posso fazer ao finalizar o curso/disciplina?
• Qual a classe de profissionais ou de graduados cursaram esse curso de pós-
-graduação?
• Quais cursos esses estudantes realizam em paralelo a esse curso de graduação/
pós-graduação?
• Qual a proporção de alunos concluintes no curso? E qual a taxa de evasão? Qual
foi o motivo dessa evasão?
• Qual a proporção de alunos aprovados na disciplina? E qual a taxa de alunos re-
provados?
• O professor/tutor já ensinou nesse curso/disciplina anteriormente? Por quanto tempo?
• Qual proporção de alunos mediados por esse professor/tutor é bem-sucedida nas
próximas disciplinas do curso?
• É melhor cursar primeiro o curso de pós-graduação A ou o B para ser melhor
qualificado e/ou ter sucesso profissional?
• Como está o meu andamento no curso/disciplina? Está dentro do esperado ou
tenho que melhorar?
• Como está o meu desempenho no curso/disciplina? Há algum assunto que merece
mais atenção?
• Estou precisando de reforço em qual assunto/unidade/parte da disciplina/curso?
• Como estou indo em relação aos meus colegas de curso/disciplina? Estou dentro
da média?
44
• Como está a minha participação nos eventos colaborativos (tipo fórum de discussão,
bate-papo, blog, wiki)? O que preciso melhorar?
Professor/Tutor
• Quantas foram as matrículas nas últimas entradas?
• O que foi ensinado nesse curso/disciplina nas ofertas anteriores? Qual a taxa de
aprovação?
• Quantos docentes ministraram esse curso/disciplina anteriormente? Quem foram eles?
• Como os alunos avaliaram o curso/disciplina nas edições anteriores?
• Qual foi a avaliação dos docentes anteriores?
• O que os alunos anteriores mais gostaram no curso/disciplina?
• O que os alunos anteriores menos gostaram no curso/disciplina?
• Qual atividade no curso/disciplina teve maior taxa de insucesso?
• Qual atividade no curso/disciplina teve maior taxa de sucesso?
• Qual unidade gerou maior dificuldade no curso/disciplina?
• Os alunos estão conseguindo minimizar suas dificuldades com minhas intervenções?
• Qual unidade obteve melhor resultado no curso/disciplina?
• Qual a formação dos alunos da turma atual? E das turmas anteriores?
• Quais cursos/disciplinas os alunos estão cursando ao mesmo tempo?
• Como foram os alunos da minha turma no colégio?
• Quais são as ambições desses alunos?
• Qual a média de notas dos alunos desse curso/disciplina?
• Qual a quantidade de alunos com notas superiores à média em turmas anteriores?
E da turma em andamento?
• Há algum aluno com necessidade de reforço? Em qual assunto/unidade/curso/
disciplina? Quem é esse aluno?
• Há algum aluno em risco de evasão?
• Este curso/disciplina apresenta grupos de alunos com características de desempenho
similares? Quantos grupos? Quais são os alunos de cada grupo? Quais são as
características? E em edições anteriores?
• Quais as diferenças observadas de desempenho em relação ao gênero dos
estudantes? E se consideramos região ou polo de origem? E a pensarmos na
situação econômica? E as turmas anteriores, como era o comportamento?
45
Learning Analytics: Fundamentos
UNIDADE
3
• Qual a real dependência dos pré-requisitos para o sucesso do aluno no curso/
disciplina?
• As técnicas de ensino utilizadas no curso/disciplina estão se mostrando eficazes?
46
• O uso de materiais interativos produz algum ganho na aprendizagem dos alunos e
melhora seu desempenho? Que tipo de material interativo?
• Os cursos iniciaram faz alguns anos e no ano passado foi alterado o desenho dos
materiais do curso, então pergunto: O novo desenho para as disciplinas produziu
melhora na aprendizagem? Qual foi o impacto? O grau de satisfação dos alunos é
maior? Houve alguma dificuldade? Essa dificuldade está relacionada a algum item
específico? Qual?
• O curso atende às expectativas dos alunos?
Como vimos, por meio desse pequeno esboço, todos os envolvidos no processo
educacional têm perguntas, e com a LA temos a oportunidade de ajudá-los a encontrar
essas respostas. Cabe ressaltar que muitas das perguntas idealizadas por algum dos
personagens apresentados pode ser compartilhada por outro.
Que pergunta você gostaria de saber com o objetivo de melhorar a sua própria
aprendizagem ou de um aluno em um AVA?
Há variados tipos de análises que compõem o termo Analytics. Dentre esses tipos,
há: Modelagem Preditiva e Estatística, Otimização, Mineração de Dados (Data Mining)
e Mineração de Textos (Text Mining).
Existem variadas definições de LA, no geral, cita Chatti et al. (2012), todas têm
ênfase na conversão de dados educacionais em informações que permitam a realização
de ações para apoiar a melhoria no processo de aprendizagem.
47
Learning Analytics: Fundamentos
UNIDADE
3
Academic
Analytics
Visualização Action
da Informação Research
Analytics
Business Sistema de
Intelligence Recomendação
Aprendizagem
Big Data Adaptativa
Personalizada
Figura 1 – Algumas áreas que contribuem para as práticas e técnicas de Learning Analytics
Duval (2011) relata que essas áreas têm em comum o uso de grandes coleções de
dados, em um nível de granularidade que as permite detectar padrões existentes e
descobrir conhecimento a partir deles.
Para compreender melhor cada uma dessas áreas, vamos conhecer uma descrição
resumida delas?
• Academic Analytics: Termo que pode ser utilizado para descrever a aplicação
dos princípios de Business Intelligence (BI) na área acadêmica, com o objetivo de
estudar os fatores tecnológicos e gerenciais que afetam o modo como as instituições
reúnem, analisam e utilizam os dados (GOLDSTEIN; KATZ, 2005, apud ELIAS,
2011, p.4; CONDE et al., 2015).
• Action Research: Tem como objetivo melhorar a prática docente e garantir a
qualidade educacional. Baseado em uma situação de ensino real, professores e alunos
investigam sistematicamente questões decorrentes das pesquisas, considerando
a ação e reflexão correlata. Por meio de ciclos iterativos de ação, percepção e
avaliação, o ensino pode ser regularmente ajustado às necessidades de todos os
alunos (CHATTI et al., 2012).
48
• Aprendizagem Adaptativa Personalizada: Chatti et al. (2012) destacam que
a maioria das soluções de aprendizagem adaptativa personalizada são aplicadas
na área de LA para indicar automaticamente aos alunos os próximos passos a
serem seguidos a partir de um material de ensino e de suas necessidades individuais,
ou para apoiá-los em suas decisões, recomendando diferentes opções a partir de
suas preferências.
49
Learning Analytics: Fundamentos
UNIDADE
3
máquina provenientes de sistemas de recomendação comerciais, e que devem ser
adaptados para que a sua utilização em LA atinja os resultados esperados.
• Visualização da Informação: Segundo Castro e Ferrari (2016), consiste na
apresentação dos dados em forma de imagens e/ou representações visuais (gráficos)
com o objetivo de compreender a natureza de como os dados estão distribuídos,
realizar uma extração rápida e facilitada do conhecimento envolvido neles e permitir
que seu conhecimento seja compartilhado diretamente entre diferentes pessoas e
instituições. Algumas técnicas simples de visualização envolvem os tipos de gráfico:
histograma, gráficos de frequência, gráfico de Pareto, gráfico de setores, grafos,
árvores, treemaps e dashboards.
• Web Analytics: É o processo de coleta, análise e apresentação de informações de
uso de um site da Internet deixadas por visitantes e clientes (MCFADDEN, 2005,
apud ELIAS, 2011, p.3; SERRANO-LAGUNA et al., 2012).
Um fato relevante é que boa parte dessas teorias se utilizam de técnicas matemáticas
e análise estatística para processar e avaliar as suas ações.
Retomando aos conceitos associados a LA, Elias (2011) afirma que o uso de LA por
parte dos alunos, instrutores e consultores acadêmicos em tempo real é fundamental
para melhorar o sucesso do aluno.
50
Há uma grande variedade de técnicas computacionais que podem ser empregadas,
todas com propriedades interessantes, mas é a interpretação dos resultados que realmente
constitui o núcleo do processo de análise. (D’AQUIN; JAY, 2013).
É fato que, o surgimento da educação digital mediada por computador, proporcionada
pelas TICs, permite-nos gravar, analisar e agir sobre as ações individuais dos alunos,
professores e funcionários de maneiras ainda não completamente imaginadas. Essa
realidade abriu portas para muitas oportunidades para compreender a aprendizagem
e melhorá-la. No entanto, temos que ficar atentos às questões éticas do que pode ser
acessado e compartilhado.
Podemos nos perguntar: como podemos ter certeza de que os profissionais que
trabalham com LA mantêm os padrões éticos da comunidade acadêmica e não utilizam
os dados da trilha de aprendizagem dos alunos de forma ilícita?
Tratar essa questão com sabedoria é um dos desafios mais importantes que
enfrentamos. Como investigar e analisar os dados entregando os benefícios que a LA
promete e não comprometer a ética?
Um texto bastante completo que aborda uma revisão da literatura envolvendo as
questões éticas e legais na prática de Learning Analytics, escrito por Niall Sclater, pode
ser acessado no link a seguir.
51
Learning Analytics: Fundamentos
UNIDADE
3
O Quadro 1 apresenta algumas características de Learning Analytics e Academic
Analytics retiradas de Siemens e Long (2011). Nesse quadro, pode-se observar qual nível
educacional é indicado, quais são os seus objetos de análise e quem são os beneficiários
de cada um dos Analytics.
52
Baker e Yacef (2009, apud AGUDO-PEREGRINA et al., 2014, p.2) destacam que
EDM está relacionada com o desenvolvimento de métodos para análise de dados de
aprendizagem, enquanto a área de LA está relacionada com o uso desses dados para a
melhoria do processo de aprendizagem.
Além disso, as técnicas utilizadas para LA podem ser bastante diferentes daquelas
utilizadas em EDM. EDM se concentra basicamente na aplicação de técnicas típicas de
mineração de dados, enquanto LA inclui ainda outros métodos, tais como ferramentas
estatísticas e de visualização ou técnicas de análise de redes sociais, e na aplicação prática
deles para estudar a sua eficácia real sobre a melhoria do ensino e da aprendizagem
(CHATTI et al., 2012; CONDE et al., 2015).
Sua origem mais forte está em web semântica, Fortes origens em software educacional e
Origens “currículo inteligente”, previsão de resultados e modelagem do estudante, com ênfase na
intervenções sistêmicas. previsão de resultados do curso.
Adaptação e Foco principal em fornecer informações e poder a Foco principal na adaptação automática sem
Personalização instrutores e alunos. intervenção humana.
53
Learning Analytics: Fundamentos
UNIDADE
3
Por exemplo, por meio da modelagem preditiva, baseado em um histórico de
grupos de alunos que evadiram de um curso no passado, é possível classificar um aluno
que se encontra em situação similar e encontra-se em risco de evasão. Além disso, é
possível estimar quais temas o estudante pode ter mais dificuldade, baseado em seus
conhecimentos prévios, ou nas suas ações dentro de um ambiente virtual. Conhecendo
essas situações, pode-se realizar alguma ação com o intuito de auxiliá-lo a minimizar
esses problemas.
Mckay (2014) diz que quando criamos um modelo preditivo, o que realmente fazemos
é examinar os dados do passado para ver como os antecedentes estão relacionados
aos resultados atuais. Em outras palavras, quando examinamos cuidadosamente o que
aconteceu no passado, aprendemos com a experiência. Com isso, podemos realizar
ações e ou tomar decisões para melhorar os resultados da aprendizagem dos alunos, que
é o objetivo central da LA.
Transformação
Organizacional
• Modelos
Moo
M preditivos
Organização • AAp
Aprendizagem personalizada
• Medida pelo Impacto e pela
• Estratégia Organizacional
Equipe de Grade
Curricular
Estudante • Painéis para o estudante
• Painéis para o corpo docente e funcionários
Experimentação • Ferramentas de Relatórios para a inteligência do Negócio
• Integração de dados entre sistemas
• RRe
Relatórios
ela
ellaaatttó detalhados
Conscientização • Painéis
Pai
PPa
ain
ai
in de exemplo
Limitado
• RRe
Relatórios
eellaa básicos
• Dados
DDa de log
Iniciante Avançado
Amadurecimento no Desenvolvimento do Learning Analytics
Figura 2 – Modelo de Sofisticação da Learning Analytics nas Instituições de Ensino Superior
Fonte: Adaptado de SIEMENS; DAWSON & LYNCH, 2013
54
Por meio desse gráfico, pode-se verificar que o do amadurecimento da LA pode
auxiliar na integração da organização e de seus membros. No estágio inicial, os resultados
obtidos com a LA têm baixo impacto, sendo pontuais para os diretamente envolvidos
em um curso ou disciplina, tal como o conhecimento a respeito da taxa de aprovação
pelo professor do curso. Com o avanço no desenvolvimento da LA, pode-se chegar
a um nível de integração tão alto que permita a todos os envolvidos conhecer melhor
como está o processo de ensino e aprendizagem na instituição e tomar decisões que
tenham um grande impacto e tragam muitos benefícios.
Nesse gráfico, também é possível observar que o processo de implantação da LA nas
instituições inicia por uma etapa de conscientização com relatórios básicos, por exemplo,
percentual de estudantes aprovados, reprovados e desistentes em uma disciplina/curso.
Em seguida, temos a etapa de experimentação com relatórios mais detalhados, como
a situação dos estudantes em um dado curso em períodos anteriores e no atual.
Avançando um pouco, o poder da LA começa a envolver mais membros, como
estudantes, professores e a administração da organização, melhorar a integração entre
os sistemas, a fornecer informações mais detalhadas a respeito dos envolvidos no
processo de ensino e aprendizagem, gerando relatórios com painéis bem elaborados
que permitam extrair conhecimento e fomentar a inteligência do negócio.
A seguir, continua uma fase de maior amadurecimento onde é possível realizar uma apren-
dizagem individualizada e prever situações com antecedência para tomar decisões, sempre
com o objetivo de melhorar a aprendizagem dos seus alunos, consequentemente, fazendo a
organização ganhar maior credibilidade e visibilidade no mercado competitivo da educação.
Por fim, o estágio final envolve a criação de um setor de transformação, capaz de inovar,
compartilhar dados com agilidade e funcionar como um diferencial para a instituição,
gerando conhecimento que pode ser utilizado com sabedoria tornando-a referência.
Disso tudo, observa-se que LA tem potencial para apontar reformas institucionais
consideráveis e, por meio delas, proporcionar melhora na qualidade do ensino e da
aprendizagem, além de, ao mesmo tempo, fomentar a inovação.
55
Learning Analytics: Fundamentos
UNIDADE
3
3. Pode criar, através de dados e análises transparentes, um entendimento
compartilhado de sucessos e desafios da instituição.
4. Pode inovar e transformar o sistema da instituição, bem como modelos
acadêmicos e abordagens pedagógicas.
5. Pode auxiliar no estudo de temas complexos identificando situações de risco e
fornecer apoio.
6. Pode aumentar a produtividade e eficácia organizacional ao fornecer informações
atualizadas e permitir uma resposta rápida aos desafios.
7. Pode auxiliar os líderes institucionais na avaliação dos materiais de um curso e
na atividade docente.
8. Pode fornecer aos alunos o conhecimento sobre seus hábitos de aprendizagem
e dar recomendações para melhorias.
Porém, vale destacar que, para alcançar essas possibilidades, existem alguns desafios
importantes envolvendo LA e o desenvolvimento de suas ferramentas, conforme
apresentam Duval e Verbert (2012) e Wolff (2013):
1. Um problema realmente difícil é descobrir quais são os dados que devem ser
considerados para prover uma aprendizagem significativa.
2. Traduzir esses dados em representações visuais e oferecer feedback que
permitam apoiar a aprendizagem é um outro desafio. O perigo de apresentá-los
sem sentido ou de forma confusa pode prejudicar e não auxiliar na aprendizagem.
3. Avaliar a usabilidade e utilidade é possível, mas a avaliação do impacto real de
aprendizagem é difícil. Uma forma de tentar resolver este problema é a adoção
de uma metodologia de pesquisa em design, onde o foco é sobre a concepção,
desenvolvimento e implantação de ferramentas e do estudo dos efeitos que estes
têm em contextos de aprendizagem real.
4. Por meio da coleta das “pegadas digitais” deixadas no ambiente pelos
alunos, é possível construir conjuntos de dados que ajudarão a transformar
a investigação em aprendizagem, mais do que uma ciência empírica.
Compartilhá-los é outro desafio.
5. O uso da LA para melhorar a aprendizagem e minimizar a reprovação dos
estudantes. Desde que tutores não interajam face a face com os alunos, pode
ser difícil identificar e responder aos alunos que têm dificuldades em tempo para
tentar auxiliá-los.
Considerações Finais
Nesta unidade, você foi apresentado:
• a um resumo da história da Learning Analytics (LA) que permitiu perceber a
natureza recente dessa área de pesquisa, além de conhecer sobre a organização
SOLAR, os eventos LAK que ela patrocina e publicação criada;
56
• aos conceitos de LA e algumas questões éticas, pode-se dizer que LA têm ênfase
na conversão de dados educacionais em informações que permitam a realização de
ações para apoiar a melhoria no processo de aprendizagem;
• às perguntas que os envolvidos no processo educacional podem se interessar em
fazer e que a LA pode auxiliar a responder;
• a algumas áreas relacionadas à LA, dentre elas: Business Intelligence, Big Data,
Action Search, Visualização, Academic Analytics e Educational Data Mining;
• a uma síntese a respeito das diferenças entre Learning Analytics e as duas áreas
correlatas Academic Analytics e Educational Data Mining;
• ao uso da Modelagem Preditiva em LA, que possibilita, por exemplo, o aprendizado
com a experiência e a identificar o que esperar de cada aluno, detectar os que estão
em risco ou com chance de fracasso e tentar auxiliá-los;
• uma breve discussão sobre a Learning Analytics e a evolução no processo de sua
implantação dentro das Instituições de Ensino Superior;
• e, por fim, as possibilidades e aos desafios da LA.
Este texto iniciou uma discussão a respeito da LA e teve a intenção de apresentá-
la como uma recente e interessante área de pesquisa, especialmente àqueles que
desejam conhecer os conceitos básicos por detrás da LA para a construção de novas
ferramentas hipermídia vinculadas a Ambientes Virtuais de Aprendizagem e/ou a
Sistemas Institucionais.
Com base neste material, você pode refletir sobre o aprendizado em ambientes
virtuais e atuar realizando questões norteadoras que permitam propor novas ferramentas
de LA para apoiar os envolvidos no processo educacional e contribuir para melhorar a
aprendizagem dos alunos.
57
Learning Analytics: Fundamentos
UNIDADE
3
Material Complementar
Indicações para saber mais sobre os assuntos abordados nesta Unidade:
Sites
Penetrating the Fog: Analytics in Learning and Education
SIEMENS, G.; LONG, P. Penetrating the Fog: Analytics in Learning and Education.
EDUCAUSE review, v. 46, n. 5, p. 30, 2011.
http://goo.gl/c8SPor
Uma ferramenta gráfica para suporte à atividade docente no Moodle
ZIELINSKI, F. D. C.; SCHIMITT, M. A. R. Uma ferramenta gráfica para suporte à
atividade docente no Moodle. RENOTE13. no. 1. 2015.
http://goo.gl/pJCi64
Leitura
Learning Analytics
ELIAS, T. Learning Analytics: The Definitions, the Processes, and the Potential. 2011.
Disponível em:
http://goo.gl/pOfSff
Code of practice for learning analytics
SCLATER, N. Code of practice for learning analytics: A literature review of the ethical
and legal issues. Jisc, 5 de Novembro 2014.
http://goo.gl/22FIcu
58
Referências
AGUDO-PEREGRINA, Á. F. et al. Can we predict success from log data in
VLEs? Classification of interactions for learning analytics and their relation with
performance. In: VLE-supported F2F and online learning. Computers in human
behavior, v. 31, p. 542-550, 2014.
CLOW, D. The learning analytics cycle: closing the loop effectively. In: Proceedings
of the 2nd international conference on learning analytics and knowledge.
ACM, 2012. p. 134-138.
D’AQUIN, M.; JAY, N. Interpreting data mining results with linked data for learning
analytics: motivation, case study and directions. In: Proceedings of the Third
International Conference on Learning Analytics and Knowledge. ACM, 2013.
p. 155-164.
DYCKHOFF, A. Lea et al. Design and implementation of a learning analytics toolkit for
teachers. Journal of Educational Technology & Society, v. 15, n. 3, p. 58-76, 2012.
ELIAS, T. Learning Analytics: The Definitions, the Processes, and the Potential. 2011.
HURWITZ, J. et al. Big Data para Leigos. Alta Books, Rio de Janeiro, 2016.
59
Learning Analytics: Fundamentos
UNIDADE
3
MCKAY, T. An Introduction to Modern Learning Analytics. Michigan. University of
Michigan. Practical Learning Analytics Course. 2014. Aula Virtual.
SIEMENS, G.; LONG, P. Penetrating the Fog: Analytics in Learning and Education.
EDUCAUSE review, v. 46, n. 5, p. 30, 2011.
60
4
Learning Analytics: Processos,
Técnicas e Ferramentas
Revisão Textual:
Prof.ª Me. Luciene Oliveira da Costa Santos
Learning Analytics: Processos, Técnicas e Ferramentas
UNIDADE
4
Contextualização
Uma instituição de ensino superior que atua há mais de 10 anos na Educação a
Distância, tem 80 mil alunos de graduação e pós-graduação e desde o seu início faz uso
intenso de Tecnologia da Informação e Comunicação (TIC), envolvendo sistemas de
comunicação e de administração acadêmica, ambientes virtuais de aprendizagem (AVA),
uma plataforma de Massive Open Online Courses (MOOC) para o oferecimento de
cursos abertos e um Sistema de Aprendizagem Adaptativo e Inteligente proprietário,
ainda em desenvolvimento, para o oferecimento de cursos de línguas.
Todos os dados dos cursos, seus personagens e uso das plataformas são devidamente
guardados nos bancos de dados da Instituição, perfazendo um interessante conjunto de
dados históricos.
Virgulino é um estudante dessa turma, cursou algumas disciplinas e vai iniciar uma
nova disciplina que é considerada uma das mais difíceis do curso.
• Como foi o resultado dos alunos aprovados e reprovados nessa mesma disciplina em edições
anteriores do curso?
• Dentre os recursos e atividades de cada unidade, há algum que aponta maior dificuldade?
• No decorrer da disciplina, essa ferramenta poderia me informar se minha tendência é ser
aprovado ou reprovado?
62
No projeto da ferramenta, Virgulino idealizou:
Bom! Vou selecionar e capturar os dados de todos os alunos nas edições anteriores da disciplina.
A partir desses dados, pretendo contabilizar os tempos dedicados ao estudo de cada recurso não
avaliativo e as notas obtidas pelos alunos em cada uma das atividades pontuadas.
63
Learning Analytics: Processos, Técnicas e Ferramentas
UNIDADE
4
3. Uma figura de semáforo que sinalizaria a tendência de Virgulino na disciplina.
Ou seja:
• Verde: indica que está tendendo a ser aprovado;
• Amarelo: que deve tomar cuidado e ficar atento, pois, dependendo das suas notas
nas atividades e tempos de estudo dedicado aos recursos, pode reprovar; e
• Vermelho: representando uma situação preocupante, visto que os resultados de
Virgulino tendem à reprovação e ele deve estudar mais.
O cenário que foi apresentado tem algumas teorias que poderiam ser melhor exploradas.
64
Introdução
A utilização de Tecnologias de Informação e Comunicação (TIC) nos processos de
aprendizagem oferece uma nova maneira de transmitir o conhecimento por meio da
educação a distância. Como exemplo, temos o uso de plataformas de aprendizagem,
tais como Ambientes Virtuais de Aprendizagem (AVA), responsáveis por guardar em
uma base de dados as ações trilhadas pelos usuários.
Nessa linha, temos a emergente área de Learning Analytics que “[...] é a medição,
coleta, análise e comunicação de dados sobre alunos e seus contextos, para fins de
compreensão e otimização da aprendizagem e dos ambientes em que ela ocorre.”
(SIEMENS; LONG, 2011, p.34, tradução nossa).
Quando refletimos sobre a definição de LA, logo pensamos sobre as suas ferramentas,
o seu processo de desenvolvimento e surgem algumas perguntas, tais como:
• Há algum modelo ou processo que nos indique quais são as etapas que devem ser
consideradas no desenvolvimento de ferramentas de LA?
• Quais técnicas são utilizadas para análise dos dados?
• Existe algum estudo a respeito das formas de visualização da informação com base
nos dados analisados?
• Quais são as ferramentas de LA desenvolvidas? Estão vinculadas a algum ambiente
virtual de aprendizagem (AVA)? Para quem elas foram produzidas? Quais técnicas
foram utilizadas? Com qual finalidade?
65
Learning Analytics: Processos, Técnicas e Ferramentas
UNIDADE
4
Modelos e Processos de Learning Analytics
Uma representação para os processos de Learning Analytics, proposto por Elias
(2011), é composto por sete etapas: selecionar, capturar, agregar, prever, usar, refinar e
compartilhar. Uma ilustração desse modelo é apresentada na figura 1.
Nas fases de predizer e agregar, é assumido que os dados obtidos nos passos anteriores
são processados por métodos que vão desde uma simples visualização até algoritmos
mais complexos que resumem e combinam dados. Esses métodos envolvem Teorias
associadas à modelagem preditiva, mineração de dados e visualização da informação.
capturar
dados
selecionar
Organizações Computadores
Pessoas Teorias
refinar agregar
Aplicação de conhecimento Processamento da informação
usar predizer
Figura 1 – Modelo dos processos de Learning Analytics proposto por Elias (2011)
Fonte: Adaptado de ELIAS, 2011
66
A etapa de usar, realizado por pessoas, envolve a geração de ações que mudam
detalhes da atividade de aprendizado e podem executar situações que deem maior
suporte a alunos que estão perdendo engajamento.
A fase de refinar é responsável por manter a supervisão e a revisão dos passos
anteriores, procurando garantir que os dados sejam coletados e aplicados sobre o
indivíduo correto, na condição correta e com máximo impacto.
Por fim, no compartilhamento, ocorre a comunicação dos resultados obtidos para
avaliação pelos responsáveis. Nessa situação, as pessoas e as organizações podem
agir com o intuito de diminuir essa probabilidade de abandono e garantir que o aluno
conseguirá obter um aprendizado adequado e não desistirá do curso/disciplina.
Um segundo modelo de referência para LA, obtido de Chatti et al. (2012), divide
a análise dos dados em quatro dimensões: (1) dados e ambientes (o quê?); (2) as partes
interessadas (quem?); (3) objetivos (por quê?); e (4) métodos (como?). Como destaca
D’Aquin et al. (2014), LA tem muito a ver com os dados, e a maneira de fazer os dados
brutos terem sentido em termos da experiência, comportamento e conhecimento do aluno.
O modelo de Learning Analytics proposto por Chatti et al. (2012) é iterativo e
normalmente é composto de três etapas (figura 2). Sendo elas:
1. Coleta e pré-processamento de dados: a coleta dos dados ocorre de diversas
fontes, como ambientes educacionais e sistemas institucionais. O volume de
dados pode ser alto, então, é possível a existência de informações irrelevantes.
Esses dados são transformados na etapa de pré-processamento de acordo com
o formato necessário para a etapa seguinte
2. Análise e ação: com base nos dados pré-processados e de acordo com os
objetivos do exercício de análise dos dados, diferentes técnicas de LA podem
ser aplicadas. Considerando os dados, essa etapa pode incluir ações de moni-
toramento, análise, predição, intervenção, avaliação, adaptação, visualização,
personalização, recomendação e reflexão.
3. Pós-processamento: sua finalidade é garantir a melhoria contínua do processo,
combinando novos dados com fontes adicionais, refinamento da informação,
identificação de novos atributos para uma nova iteração, identificação e novos
indicadores ou escolha de um novo método analítico.
Coleta de Dados e
Pré-processamento Análise e Ação
Learning
Analycs
Pós-Processamento
Figura 2 – Modelo dos processos de Learning Analytics proposto por Chatti et al. (2012)
Fonte: Adaptado de Chatti et al., 2012
67
Learning Analytics: Processos, Técnicas e Ferramentas
UNIDADE
4
Um outro modelo de LA proposto por Dyckhoff et al. (2012) tem como etapas:
coleta de dados, pré-processamento e mineração de dados, visualização, análise e ação.
Na coleta de dados, os dados são obtidos das variadas atividades realizadas pelos
alunos em um AVA enquanto eles interagem com seus elementos. Alguns exemplos
de atividades incluem a participação de exercícios em grupo, publicação em fóruns e a
leitura de documentos.
Uma ilustração dos processos descritos por Dyckhoff et al. (2012) encontramos
na figura 3. Nela, observamos que as ações realizadas pelos estudantes em um AVA
geram uma grande variedade de dados (registro de logs) que são processados por meio
da mineração de dados e fornecem informações, tais como: tempo gasto em uma
determinada atividade, nota geral na disciplina ou no curso, taxa de participação nas
atividades, dentre outras, exibindo-as em um painel de visualização. Essas informações
são analisadas pelo professor que pode agir para melhorar a aprendizagem dos alunos
com dificuldades.
68
Monitoramento
Painéis de Visualização
Reflexão
feedback sobre
o desempenho
do grupo
Figura 3 – Modelo dos processos de Learning Analytics proposto por Dyckhoff et al. (2012)
Fonte: Adaptado de Dyckhoff et al., 2012
Você deve ter observado nas diferentes propostas de modelos de Learning Analytics
apresentados na seção anterior que uma das etapas envolve a manipulação dos dados
de alunos e de sua trilha de aprendizagem. Essa manipulação corresponde ao uso das
técnicas de mineração de dados.
69
Learning Analytics: Processos, Técnicas e Ferramentas
UNIDADE
4
Segundo Han e Kamber (2011), a mineração de dados pode ser vista como resultado
da evolução natural da tecnologia da informação. Enquanto Liu (2006, apud CHATTI et
al., 2012, p.11) define mineração de dados como o processo de descobrir padrões úteis
ou conhecimento a partir de fontes de dados, como bases de dados, textos, imagens, a
web, e sugere que os métodos de mineração de dados podem ser classificados em três
categorias: aprendizado supervisionado, que trata de classificação e predição, aprendizado
não supervisionado, ou clustering (agregação), e mineração de regras de associação.
A mineração de regras de associação, por sua vez, trata da análise dos atributos
e geração de regras a partir de padrões e associações entre os atributos, indicando
elementos que implicam na presença de outros atributos em uma mesma transação,
representando padrões. Por exemplo, a partir de uma base de dados, na qual são
registradas as aprovações de alunos em uma determinada disciplina contendo três
unidades de conteúdo, uma estratégia de mineração, com o uso de regras de associação,
poderia gerar a seguinte regra: {Unidade I - bem avaliado, Unidade III - bem avaliado} →
{Aprovação na Disciplina}, a qual indica que o aluno que tem boa avaliação nas unidades
I e II da disciplina, com um determinado grau de certeza, é aprovado.
70
normalmente está interessada em fazer, sendo necessário o suporte de um especialista
para compreendê-la. Isso porque as ferramentas de mineração de dados normalmente
são projetadas para privilegiar poder e flexibilidade, ao invés da simplicidade.
Visualização da Informação
A crescente e massiva utilização de ambientes online, como redes sociais, fóruns
de discussão, chats, blogs, e AVAs tem consolidado a internet como uma fonte rica
de dados digitais inclusive para a área de educação. Este aumento na demanda produz
também um aumento no volume de dados gerados por esses ambientes.
Seguindo a tendência de aumento do volume de dados gerados pelos AVAs e
demais ambientes online sobre o rendimento na aprendizagem, cresce também a
dificuldade em analisar o desempenho na aprendizagem dos estudantes, e para tanto,
recursos computacionais devem ser utilizados para viabilizar a extração e análise de tais
informações (PERNOMIAN, 2008).
Diversas técnicas e abordagens podem ser aplicadas ao problema da manipulação dos
dados e a “Visualização da Informação” é uma das mais importantes áreas de pesquisa
que desenvolve tecnologias para extração e exibição da informação a partir dos dados
(BURKHARDT; RUPPERT; NAZEMI, 2012).
As técnicas de visualização podem ser úteis, por exemplo, para analisar as atividades
dos usuários em AVAs cujas informações obtidas das estatísticas do servidor não sejam
capazes de responder adequadamente os tipos de perguntas feitas por quem deseja
entender sobre a aprendizagem dos alunos nesses ambientes (MCGRATH, 2011).
A visualização de dados e informações baseia-se na capacidade humana de interpretar
visualmente as informações e, por meio dessa interpretação, perceber relacionamentos
e padrões que auxiliam na descoberta de novos conhecimentos.
Dessa forma, a “Visualização da Informação” procura interpretar as informações
contidas em um conjunto de dados e, considerando as técnicas visuais, tenta perceber
relacionamentos e padrões que auxiliam na descoberta de novos conhecimentos a partir
de indicadores educacionais como nota, índice de aprovação, reprovação, estilos de
aprendizagem dos estudantes e perfil metodológico das disciplinas.
71
Learning Analytics: Processos, Técnicas e Ferramentas
UNIDADE
4
A combinação de técnicas de visualização com análises estatísticas é considerada
alternativa para a exploração adequada dos dados no processo de descoberta do
conhecimento, por conciliar o potencial da análise humana com o processo de descoberta
de novos conhecimentos (PERNOMIAN, 2008).
Conforme mencionado por Ball et al. (2006, apud PERNOMIAN, 2008, p. 23), as
técnicas de visualização geralmente são utilizadas em conjunto com técnicas de Interação
humano-computador (IHC), uma vez que precisam apresentar interfaces eficazes para
atender às necessidades de interatividade e facilitar a descoberta do conhecimento.
Operações como seleção de dados, visão detalhada, rolagem e navegação pela sua
estrutura são exemplos de estratégias de visualização que podem apoiar no processo de
exploração para busca de conhecimento.
Por exemplo, podemos começar com as “pegadas digitais” deixadas pelos estudantes
dentro de um curso no AVA (os dados armazenados) e considerar uma pergunta realizada
pelo professor/tutor:
“Como está a porcentagem das médias dos meus alunos dentro do curso? ”
Romani (2000 apud PERNOMIAN, 2008, p.26) afirma que existem técnicas de
visualização específicas para cada tipo de informação, por exemplo, para dados de 1
dimensão (1D), gráficos em linhas, histogramas e de barras; para dados de 2 dimensões
(2D), mapeamento por cores, imagens, histogramas 2D, gráficos de barra (2D); para dados
de 3 dimensões ou temporais, figuras volumétricas, textura sobre superfície, animação,
dentre outras associadas às informações multidimensionais. Como complemento, vale
citar ainda as técnicas: treemaps, grafos e dashboards.
72
A título de conhecimento e sem nos preocuparmos com as questões de design e
com as técnicas de IHC, vamos explorar brevemente algumas técnicas de visualização
considerando, como exemplo, que foram realizadas as fases aquisição, análise, filtragem,
mineração e obtida a Tabela 1, contendo as médias de notas para 100 alunos de um
curso em um AVA com escala de notas inteira entre 0 e 10, além da frequência absoluta
e relativa dos alunos que obtiveram essas médias.
Tabela 1 – Média de notas dos 100 alunos de um curso no AVA, a frequência absoluta e relativa das médias
Médias 0 1 2 3 4 5 6 7 8 9 10
Frequência Absoluta 2 10 5 3 10 20 25 15 6 3 1
Histograma
Um histograma é uma representação da distribuição dos dados por meio de um
gráfico de barras, representados por retângulos adjacentes construídos com base em
intervalos discretos. A escala horizontal representa as classes de valores de dados e a
escala vertical as frequências absoluta ou relativa (CASTRO; FERRARI, 2016, p. 65).
A figura 4 apresenta um histograma contendo as médias e a frequência relativa para os
dados da tabela 1.
Polígono de Frequência
Um polígono de frequência serve para representar a distribuição dos dados e são
úteis, por exemplo, para comparar conjuntos de dados e a sua forma de distribuição de
frequência (CASTRO; FERRARI, 2016, p. 65). Esse gráfico utiliza segmentos de reta
ligados aos pontos acima dos valores. Um exemplo de polígono de frequência obtido
para alguns dados da tabela 1 é apresentado na figura 5.
Histograma
Frequência Relava
Média
Figura 4 – Histograma das frequências relativas envolvendo as médias de notas para um curso de 100 alunos
73
Learning Analytics: Processos, Técnicas e Ferramentas
UNIDADE
4
Polígono de Frequência
30
30
25
25
Frequência Absoluta 20
20
15
15
10
10
Média
Figura 5 – Polígono de Frequência a frequência absoluta das médias de um curso de 100 alunos
Gráfico de Pareto
Gráfico de Pareto é um gráfico de barras utilizado para dados qualitativos, no qual
as barras são distribuídas em ordem decrescente de frequência (CASTRO; FERRARI,
2016, p. 66), conforme exemplo ilustrado na figura 6. As frequências podem ser ab-
solutas ou relativas.
Gráfico de Pareto
30
30
25
25
Frequência Absoluta
20
20
15
15
10
10
Média
Figura 6 – Gráfico de Pareto contendo a frequência absoluta das médias de um curso de 100 alunos
Gráfico de Setores
Também conhecido como tipo torta ou pizza, é um gráfico circular dividido em
setores, no qual cada setor possui o tamanho relativo ao valor da variável ou atributo
(CASTRO; FERRARI, 2016, p. 67). Úteis também para representar dados qualitativos.
Baseado nos dados da tabela 1, foi elaborado o gráfico de setores da figura 7.
Nesse gráfico, observe que cada setor possui uma cor e, acima dele, há a frequência
relativa, além do valor da variável (ou atributo) média.
74
Figura 7 – Gráfico de setores para a frequência relativa das médias de um curso de 100 alunos
Gráfico de Dispersão
Também chamado de scatter plot é um diagrama matemático que utiliza coordenadas
cartesianas para exibir os valores dos atributos de um banco de dados e são apresentados
como uma coleção de pontos com um valor no eixo horizontal e outro na vertical
(CASTRO; FERRARI, 2016, p. 67). Como exemplo, considerando os dados da tabela
1, foi elaborado um gráfico de dispersão ilustrado na figura 8.
Gráfico de Dispersão
Frequência Relava
Média
Figura 8 – Gráfico de dispersão da frequência relativa das médias de um curso de 100 alunos
Treemap
No ano de 1990, Ben Shneiderman do laboratório de Interação Humano Computator
(IHC) da Universidade de Maryland (Estados Unidos) desenvolveu um modelo visual para
mostrar o tamanho de arquivos e diretórios em um espaço de duas dimensões e o
chamou de treemap.
75
Learning Analytics: Processos, Técnicas e Ferramentas
UNIDADE
4
Segundo Jonhson e Shneiderman (1991, apud DINIZ et al., 2012, p. 28), um treemap
é uma técnica de visualização que divide a região de exibição em uma sequência aninhada
de retângulos com área e cor previamente definidos que corresponde a atributos de um
conjunto de dados. Além disso, faz com que as pessoas direcionem seu olhar inicial nos
retângulos maiores para depois olhar os menores. Algumas de suas vantagens são:
• Faz uso de todo o espaço de visualização de maneira eficiente;
• Preserva o contexto geral da informação;
• Permite ter uma visão geral do escopo dos dados; e
• É útil para exibir valores quantitativos de atributos ou variáveis.
Figura 9 – Gráfico Treemap da frequência relativa (ou absoluta) das médias de um curso de 100 alunos
76
Grafo
Informalmente, um grafo é uma estrutura matemática e visual representada por
entidades (objetos) que possuem características relevantes (relações) entre si e têm
diversas propriedades. Os objetos são chamados de nós e as relações de arestas ou
arcos. Por meio dele, é possível representar diversos modelos do mundo real e extrair
muita informação e conhecimento relevante.
Euler representou os pedaços de terra (ilhas e continentes) por nós e os rios que
faziam fronteira por arestas e tentou encontrar um caminho que não cruzasse uma
mesma ponte duas vezes, tendo como ponto de partida e chegada o mesmo pedaço de
terra. Com o modelo de um grafo ele provou que não era possível ao “carteiro” sair de
um pedaço de terra e passar por todas as pontes uma única vez.
Podemos fazer variações em relação aos tamanhos dos nós (objetos), espessura das
arestas (relações), comprimento das arestas, cor das arestas, cor dos nós e, ainda, colocar
rótulos tanto para os nós quanto para as arestas.
77
Learning Analytics: Processos, Técnicas e Ferramentas
UNIDADE
4
Dashboard
Um dashboard ou painel de instrumentos é uma representação gráfica que pode ser
composta de diversas técnicas de visualização (por exemplo, um gráfico de barras, um
mapa e um medidor de desempenho em um mesmo painel) e proporciona a exibição
visual das informações processadas em uma única interface para ser explorada facilmente
e compreendida com o passar dos olhos.
Segundo Few (2005, apud TURBAN, 2009, p. 228), o desafio de um bom projeto de dashboard
é exibir todas as informações de forma clara, em uma mesma tela e sem distrações.
78
• Permite obter mais detalhes pela navegação de suas áreas, por exemplo, ao
selecionar uma determinada cidade de um polo de origem, apresenta os resultados
de aprovação e reprovação dos alunos nessa localidade.
• Realiza atualização dinâmica dos dados e permite ao usuário que o utiliza obter as
informações mais recentes.
• Deve ficar atento ao seu público-alvo. No contexto educacional, esse público seria:
aluno, professor/tutor, coordenador e administradores da instituição.
Baseado nessa figura 11, os educadores têm a possibilidade de tomar alguma decisão,
não é verdade? Tente imaginar quais seriam!
79
Learning Analytics: Processos, Técnicas e Ferramentas
UNIDADE
4
Ferramentas: Características e Exemplos
A quantidade de AVAs baseados na web que incluem características de LA é pequena
se compararmos com os interesses do público-alvo por este tipo de ferramenta. Então,
vamos estudar algumas de suas características?
Administrador
do AVA
Dashboard Aluno
Frameworks e
Ferramentas Classificação de Professor
Ferramentas de
Learning Analytics
Análise de
Problemas Designer
Específicos Instrucional
Administrador
Notação: Categoria da
da Instituição Coordenador Ferramenta Público-Alvo
80
O quadro 2, adaptado de Silva Jr. e Oliveira (2016), apresenta o nome da ferramenta,
o ambiente de aprendizagem suportado, as classificações descritas anteriormente e,
a título de conhecimento, também apresenta a linguagem de programação utilizada
para desenvolvê-la.
Nesse quadro, podemos observar uma maior quantidade de ferramentas que utilizam o
AVA Moodle e uma variedade de plataformas específicas e pouco conhecidas, com exceção
dos Massive Open Online Courses (MOOC), representados pelas plataformas Open edX
e Khan Academy. Provavelmente, esse fato ocorre porque o Moodle é um software livre,
gratuito e de código aberto e os MOOCs uma tendência na Educação a Distância devido à
sua abrangência geográfica. O quadro 3 também mostra que as linguagens mais utilizadas
são PHP, Java e Python. Além disso, observamos que uma única ferramenta é direcionada
somente para o aluno e duas envolvendo interesses institucionais.
Quadro 2 – Ferramentas de LA
Ambientes de aprendizagem Linguagem de
Nome Categoria Foco
suportados Programação
HTML5, jQuery Mobile,
QMCU Interno DD Aluno
e ASP MVC4
LAe-R Moodle APE PHP Professor
LeMO Moodle, Clix e Chemgapedia APE Java Professor
81
Learning Analytics: Processos, Técnicas e Ferramentas
UNIDADE
4
Ambientes de aprendizagem Linguagem de
Nome Categoria Foco
suportados Programação
Mapper TelEduc APE Java e PHP Professor
Não informado Open EDX DD Python Professor
Não informado Open EDX FF Java e R Professor
SoftLearn Moodle, Blackboard e ELGG FF Não informada Professor
VeLA Moodle FF Java Professor
ALAS-KA Khan Academy DD Python Aluno e Professor
Grockit analytics Interno FF Não informada Aluno e Professor
Learning Analytics
Go-Lab APE Não informada Aluno e Professor
Backend Services
SCALE Moodle e Web-CAT FF Não informada Aluno e Professor
Usalpharma
Second Life FF Python Aluno e Professor
Analytics Tool
Aluno, Professor e
SmartKlass™ Moodle DD PHP
Instituição
Intelliboard.net Moodle DD PHP Instituição
Fonte: Adaptado de Silva Jr e Oliveira (2016)
82
Tecnologias para Learning Analytics
Uma síntese das tecnologias que podem ser utilizadas para o desenvolvimento de
ferramentas de Learning Analytics é apresentada no quadro 3. Nele, podemos observar
o nome da tecnologia, categoria, versão, características e endereço internet para
conhecê-la melhor.
Considerações Finais
Nesta unidade, foram apresentados os modelos e processos de LA, em especial o
proposto por Elias (2011) composto das etapas: selecionar, capturar, agregar/relatar,
predizer, usar, refinar compartilhar, além dos modelos de Chatti et al. (2012) e Dickhoff et
al. (2012); foi realizada uma breve discussão a respeito da mineração de dados educacionais;
detalhado Visualização da Informação e algumas de suas técnicas, explorando treemaps,
grafos e dashboards com maior profundidade; foram apresentadas algumas características
e exemplos de ferramentas de LA produzidas; e, por fim, destacadas algumas tecnologias
utilizadas para no desenvolvimento de ferramentas para LA.
Baseado no que foi apresentado e na sua atuação como um personagem de um
ambiente educacional, seja como aluno, professor/tutor, coordenador, designer
instrucional, conteudista ou administrador, é possível refletir sobre os aspectos abordados
em relação ao desenvolvimento de ferramentas de LA e auxiliar os profissionais que as
implementam na avaliação dos artefatos produzidos, e, principalmente, com questões
que necessitam de respostas que ainda não encontramos nos sistemas atuais.
Finalizando, parafraseando Siemens e Long (2011) e complementando com algumas
reflexões pessoais, o uso de LA como um modelo de aconselhamento às pessoas
envolvidas no ambiente educacional pode melhorar o desempenho dos alunos, minimizar
as taxas de abandono em cursos e auxiliar na aplicação mais eficiente dos recursos pelas
instituições, desenvolver vantagens competitivas, além de melhorar a qualidade e o valor
da experiência de aprendizagem.
83
Learning Analytics: Processos, Técnicas e Ferramentas
UNIDADE
4
Material Complementar
Indicações para saber mais sobre os assuntos abordados nesta Unidade:
Sites
SmartKlass™ Learning Analytics Moodle
Página contendo o plugin do Moodle SmartKlass com vídeo demo, algumas telas exemplo
e informações sobre o plugin.
http://goo.gl/Hz4xxq
IntelliBoard.net - Reporting and Analytics Tool for Moodle
Página contendo o plugin do Moodle IntelliBoard.net com algumas telas exemplo e
informações.
http://goo.gl/jvZlkC
Vídeos
ANALYSE: A Learning Analytics Tool for Open edX
Pequeno vídeo demonstrativo da ferramenta ANALYSE que apresenta algumas formas
de visualização da informação.
https://goo.gl/qUEJ4Z
ALAS KA: A Learning Analytics tool for the Khan Academy platform
Apresentação sobre a ferramenta ALAS-KA, seu desenvolvimento e avaliação de resultados.
http://goo.gl/IJUMFg
Pedro José Munoz Merino, UC3M - ANALYSE A Learning Analytics Extension for Open edX
Vídeo de Pedro José Munoz Merino que apresenta a ferramenta ANALYSE, arquitetura
e desenvolvimento.
http://goo.gl/ylfSgY
84
Referências
BAKER, B. M. A conceptual framework for making knowledge actionable
through capital formation. University of Maryland University College, 2007.
CLOW, D. The learning analytics cycle: closing the loop effectively. In: Proceedings
of the 2nd international conference on learning analytics and knowledge.
ACM, 2012. p. 134-138.
CONDE, M. A. et al. Exploring Student Interactions: Learning Analytics Tools for Student
Tracking. In: Learning and Collaboration Technologies. Springer International Publishing,
2015. p. 50-61.
ELIAS, T. Learning Analytics: The Definitions, the Processes, and the Potential. 2011.
85
Learning Analytics: Processos, Técnicas e Ferramentas
UNIDADE
4
PERNOMIAN, V. A. Visualização exploratória de dados do desempenho na
aprendizagem em um ambiente adaptável. 2008. Tese de Doutorado. Universidade
de São Paulo.
SIEMENS, G.; LONG, P. Penetrating the Fog: Analytics in Learning and Education.
EDUCAUSE review, v. 46, n. 5, p. 30, 2011.
86