Uma Ferramenta para Recomendação Pedagógica Baseada em Mineração de

Dados Educacionais

Ranilson Oscar Araújo Paiva

Mestrado em Modelagem Computacional do Conhecimento

Orientadores

Alan Pedro da SilvaIg Ibert Bittencourt

Ranilson Oscar Araújo Paiva roap@ic.ufal.br

2

Agenda Contextualização Problemática Proposta Estudo de Caso Conclusão Limitações e Trabalhos Futuros Referências

Ranilson Oscar Araújo Paiva roap@ic.ufal.br

Agenda

Como está a Educação no Brasil?

Ranilson Oscar Araújo Paiva roap@ic.ufal.br

3Contextualização

Contextualização• IDEB – Índice de Desenvolvimento

da Educação Básica5.0 / 10.0• PISA+ – Programa Internacional de

Avaliação de Alunos58º|75 / 64º|85

• UNESCO/EFA – Education for All88º / 120

Ranilson Oscar Araújo Paiva roap@ic.ufal.br

4Contextualização

O que o Governo pretende fazer a respeito desse

cenário?

Ranilson Oscar Araújo Paiva roap@ic.ufal.br

5Contextualização

Contextualização

• “Criar mecanismos para o acompanhamento individual de cada estudante do ensino fundamental”

• “Fortalecer o acompanhamento e o monitoramento do acesso e permanência na escola ...”

Plano Nacional de Educação (PNE 2010 - 2020)

Ranilson Oscar Araújo Paiva roap@ic.ufal.br

6Contextualização

E a Sociedade Brasileira de Computação?

Ranilson Oscar Araújo Paiva roap@ic.ufal.br

7Contextualização

Contextualização

• Acesso Participativo e Universal do Cidadão Brasileiro ao Conhecimento.• Vencer as barreiras tecnológicas, educacionais, culturais, sociais e

econômicas que impedem o acesso e a interação.• Concepção de sistemas, ferramentas, modelos, métodos,

procedimentos e teorias.• Criação de plataformas de aplicativos de e-learning que permitam a

integração eficiente de ferramentas de comunicação para poderem ser usadas em conjunto, com a finalidade de permitirem a prática do aprendizado eletrônico.

Grandes Desafios da Pesquisa em Computação no Brasil

Ranilson Oscar Araújo Paiva roap@ic.ufal.br

8Contextualização

Contextualização

• Workshop de Desafios da Computação Aplicada à Educação• Registro de longo prazo dos perfis de aprendizes e tutores.• Mineração de dados educacionais para viabilizar a busca por

padrões de aprendizagem.• Personalização da aprendizagem como meio de melhorar a

qualidade de ensino e o desempenho dos alunos.

CSBC 2012 - I DesafIE!

Ranilson Oscar Araújo Paiva roap@ic.ufal.br

Contextualização 9

Que Soluções têm sido utilizadas nesse sentido?

Ranilson Oscar Araújo Paiva roap@ic.ufal.br

Contextualização 10

Contextualização Mudança de Paradigma AAA Learning

Anytime Qualquer Momento

Anywhere Qualquer Lugar

Anyone Qualquer Pessoa

Ranilson Oscar Araújo Paiva roap@ic.ufal.br

Contextualização 11

E Recentemente?

Ranilson Oscar Araújo Paiva roap@ic.ufal.br

Contextualização 12

Contextualização MOOCs

Massive Massivo

Open Aberto

Online Online

Courses Cursos

Ranilson Oscar Araújo Paiva roap@ic.ufal.br

Contextualização 13

ContextualizaçãoRanilson Oscar Araújo Paiva roap@ic.ufal.br

Contextualização 14

Contextualização

2º Brasil (6%), 3º India (5%) e 4º China (4%)

Ranilson Oscar Araújo Paiva roap@ic.ufal.br

Contextualização 15

ContextualizaçãoRanilson Oscar Araújo Paiva roap@ic.ufal.br

Contextualização 16

E como é a dinâmica de um curso nesse modelo?

Ranilson Oscar Araújo Paiva roap@ic.ufal.br

Problemática 17

ProblemáticaRanilson Oscar Araújo Paiva roap@ic.ufal.br

Problemática 18

ProblemáticaRanilson Oscar Araújo Paiva roap@ic.ufal.br

Problemática 19

ProblemáticaRanilson Oscar Araújo Paiva roap@ic.ufal.br

Problemática 20

O que ocorreu?Como poderia ter sido evitado?

Ranilson Oscar Araújo Paiva roap@ic.ufal.br

Problemática 21

ProblemáticaDados Educacionais• Conteúdo Pedagógico• Testes• Atividades• Exercícios• Histórico Educacional• Dados Pessoais• Links Externos• Interações via Fórum• Interações via Chat• Logs de Acesso

Ranilson Oscar Araújo Paiva roap@ic.ufal.br

Problemática 22

ProblemáticaRanilson Oscar Araújo Paiva roap@ic.ufal.br

Problemática 23

Problemática

1. Como tratar esses dados?

2. O que fazer com os resultados?

3. Como interagir com os resultados?

Ranilson Oscar Araújo Paiva roap@ic.ufal.br

Problemática 24

Problemática

“A Mineração de Dados Educacionais tem por objetivo obter

informações relevantes de grandes quantidades de dados. Dados esses

oriundos de diversas fontes dentro do contexto educacional.

Isso é feito através da descoberta de padrões, com grande

significância, nesses dados.”ROMERO, 2011

Mineração de Dados Educacionais

Ranilson Oscar Araújo Paiva roap@ic.ufal.br

Problemática 25

Problemática

2. O que fazer com os resultados?

3. Como interagir com os resultados?

Ranilson Oscar Araújo Paiva roap@ic.ufal.br

Problemática 26

1. Mineração de Dados Educacionais

Problemática

“Recomendações são ações reativas, ou preventivas, associadas a situações pedagógicas definidas. Essas ações podem ser realizadas utilizando os recursos nativos de um ambiente de aprendizado, ou através de recursos externos. O propósitos dessas recomendações é melhorar a experiência de aprendizado e solucionar problemas pedagógicos conhecidos.”

PAIVA, 2012

Recomendações Pedagógicas

Ranilson Oscar Araújo Paiva roap@ic.ufal.br

Problemática 27

Problemática

3. Como interagir com os resultados?

Ranilson Oscar Araújo Paiva roap@ic.ufal.br

Problemática 28

1. Mineração de Dados Educacionais

2. Recomendações Pedagógicas

Problemática

“Ferramentas de software e técnicas cujo objetivo é prover

sugestões de itens a serem utilizados por um usuário. As

sugestões providas focam em ajudar os usuários em diversos

processos de tomada de decisão .”

RICCI, 2011

Ferramentas de Recomendação

Ranilson Oscar Araújo Paiva roap@ic.ufal.br

Problemática 29

ProblemáticaRanilson Oscar Araújo Paiva roap@ic.ufal.br

Problemática 30

1. Mineração de Dados Educacionais

2. Recomendações Pedagógicas

3. Ferramenta

Proposta

Ferramenta para

Recomendação Pedagógica Utilizando

Mineração de Dados Educacionais

Ranilson Oscar Araújo Paiva roap@ic.ufal.br

Proposta 31

Objetivos

1. Criar um processo para a recomendação pedagógica.2. Especificar, e encapsular em componentes distintos, os

cenários de mineração dos dados educacionais.3. Implementar componentes que reutilizem algoritmos de

mineração de dados educacionais.4. Construir uma Ferramenta com um processo de

recomendação que possibilite professores e tutores a utilizar as técnicas empregadas, sem a necessitem de conhecimento técnico sobre o assunto.

5. Gerar recomendações personalizadas.

Ranilson Oscar Araújo Paiva roap@ic.ufal.br

Proposta 32

O ProcessoRanilson Oscar Araújo Paiva roap@ic.ufal.br

Proposta 33

Cenários

• Componentes que definem os dados e formas de processamento adequados, para uma determinada situação pedagógica.

• Orientam a mineração dos dados.• Tornam a mineração dos dados objetiva • Acessam os dados de interesse, os algoritmos a

serem utilizados, APIs e seus parâmetros.

Ranilson Oscar Araújo Paiva roap@ic.ufal.br

Proposta 34

36

ArquiteturaRanilson Oscar Araújo Paiva roap@ic.ufal.br

Proposta 39

Estudo de Caso

Ranilson Oscar Araújo Paiva roap@ic.ufal.br

Estudo de Caso 39

Ranilson Oscar Araújo Paiva roap@ic.ufal.br

Estudo de Caso 40

UFAL Línguas - Espanhol• Espanhol | Nível Básico (Certificado)• 6 Unidades (5 meses de curso)• 1 Professor e 8 Tutores• 200 Inscritos (Gratuito)• 34 Concluintes• 700+ Megabytes de Dados• 1.220.000 Triplas RDF (Ontologia)

Cenário 01Avaliar a Qualidade das Interações dos Alunos no Ambiente de Aprendizagem

Ranilson Oscar Araújo Paiva roap@ic.ufal.br

Estudo de Caso 41

Ranilson Oscar Araújo Paiva roap@ic.ufal.br

Estudo de Caso 42

Ranilson Oscar Araújo Paiva roap@ic.ufal.br

Estudo de Caso 43

Detectar PráticasRanilson Oscar Araújo Paiva roap@ic.ufal.br

Estudo de Caso 44

Ranilson Oscar Araújo Paiva roap@ic.ufal.br

45Estudo de Caso

Descobrir PadrõesRanilson Oscar Araújo Paiva roap@ic.ufal.br

46Estudo de Caso

Descobrir PadrõesRanilson Oscar Araújo Paiva roap@ic.ufal.br

Estudo de Caso 50

Ranilson Oscar Araújo Paiva roap@ic.ufal.br

51Estudo de Caso

RecomendarRanilson Oscar Araújo Paiva roap@ic.ufal.br

Estudo de Caso 52

RecomendarRanilson Oscar Araújo Paiva roap@ic.ufal.br

53Estudo de Caso

Ranilson Oscar Araújo Paiva roap@ic.ufal.br

57Estudo de Caso

Conclusão1. Criamos um processo para a recomendação pedagógica.2. Criamos cenários para guiar a Mineração dos Dados.3. Criamos uma ferramenta com processo de

recomendação, capaz de auxiliar professores e tutores na gestão de seus alunos.

4. Realizamos um estudo de caso (dados reais).5. Acreditarmos ter contribuído para a Informática na

Educação através da natureza multidisciplinar do trabalho.6. Apresentamos um artigo sobre o tema no DesafIE! (2012)

Ranilson Oscar Araújo Paiva roap@ic.ufal.br

59Conclusão

Limitações e Trabalhos Futuros

1. Criação automática de cenários.2. Ampliação do escopo das recomendações.3. Aprimoramento do monitoramento de avaliação

de recomendações e resultados dos alunos.4. Submissão de artigo para Journal.

Ranilson Oscar Araújo Paiva roap@ic.ufal.br

60Trabalhos Futuros

ReferênciasABEL, F.; BITTENCOURT, Ig Ibert; COSTA, Evandro de Barros; HENZE, N.; KRAUSE, Daniel; VASSILEVA, J. Recommendations in Online Discussion Forums for E-Learning Systems. IEEE Transactions on Learning Technologies, 2010, vol. 3, pp. 165-176.AROYO, Lora. INABA, Akiko. SOLDATOVA, Larissa. MIZOGUCHI, Riichiro. EASE: Evolutional Authoring Support Environment, 2004.AUDINO, Daniel Fagundes. NASCIMENTO, Rosemy da Silva. Revista Contemporânea de Educação, vol. 5, n. 10, julho/dezembro 2010.BAKER, R.S.J.d. Data Mining for Education. McGaw, B., Peterson, P., Baker, E. (Eds.) International Encyclopedia of Education. Elsevier, 2010, ed. 03, vol. 07, pp. 112-118.BAKER, R.S.J.d.; ISOTANI, Seiji; de CARVALHO, A.M.J.B. Mineração de Dados Educacionais: Oportunidades para o Brasil. Revista Brasileira de Informática na Educação, 2011, vol. 19, n. 02, pp. 3-13.BITTENCOURT, Ig Ibert ; COSTA, Evandro de Barros ; Marlos Silva ; SOARES, Elvys . A Computational Model for Developing Semantic Web-based Educational Systems. Knowledge-Based Systems, 2009, vol. 22, pp. 302-315.BITTENCOURT, Ig Ibert ; COSTA, Evandro de Barros . Modelos e Ferramentas para a Construção de Sistemas Educacionais Adaptativos e Semânticos. Revista Brasileira de Informação na Educação, 2011, vol. 19, pp. 85-98.CNN MONEY, Disponível em: http://money.cnn.com/2009/06/17/news/economy/goldman_sachs_jim_oneill_interview.fortune/index.htm, Acessado em: 05/04/2013.DAVIDOFF, Linda L. Introdução à Psicologia. McGraw-Hill do Brasil, 1983 pp. 112-115DEOGUN, Jitender S.; RAGHAVAN, Vijay V.; SARKAR, Amartya; SEVER, Hayri. Data Mining: Trends in Research and Development. “Data mining: Trends and issues-guest editors’ introduction,” V. V. Raghavan, J. S. Deogun, and H. Sever. Journal of Amer. Soc. for Information Sci., Vol. 49(4), pp. 397-402, Abril 1998.DESAFIE!. I Workshop de Desafios da Computação Aplicada à Educação. Disponível em: http://www.imago.ufpr.br/csbc2012/desafie.php. Acessado em: 14/05/2013.DOMINGUES, Anna Katrina; YACEF, Kalina; CURRAN, James R. Data Mining for Individualized Hints in eLearning. Proceedings of the 3rd International Conference on Educational Data Mining. Junho, 2010.DUKE. Bioelectricity: A Quantitative Approach. Duke University's First MOOC. Disponível em: http://dukespace.lib.duke.edu/dspace/handle/10161/6216. Acessado em: 27/03/2013. Fevereiro, 2013.FERREIRA, Rafael; COSTA, Evandro de Barros; BRITO, Patrick; BITTENCOURT, Ig Ibert; MACHADO, Aydano; MARINHO, Tarsis; HOLANDA, Olavo. A Framework for Building Web Mining Applications in the World of Blogs: A Case Study in Product Sentiment Analysis Expert Systems With Applications. Expert Systems with Applications, 2012, vol. 39, pp. 4813-4834.

Ranilson Oscar Araújo Paiva roap@ic.ufal.br

61Referências

ReferênciasGAYARD, Leonel Aguilar. RUBIRA, Celília M. F. GUERRA, Paulo A. de Castro. COSMOS: A Component System Model for Software Architectures. Universidade Estadual de Campinas. Instituto de Computação, 2008.HAN, Jiawei; KAMBER, Micheline. Data Mining: Concepts and Techniques, 2006, ed. 02 - Elsevier/Morgan Kaufmann.IAQUINTA, Leo. SEMERARO, Giovanni. Lightweight Approach to the Cold Start Problem in the Video Lecture Recommendation. 2011.KKD NUGGETS, Disponível em: http://www.kdnuggets.com/polls/2012/where-applied-analytics-data-mining.html. Acessado em: 22/02/2013.LAROSE, Daniel T. Data Mining Methods and Models. Wiley, 2006.LEFFA, V. J. Uma ferramenta de autoria para o professor: o que é e o que faz. Letras de Hoje, Porto Alegre, v. 41, n. 144, pp. 189-214, 2006.MANHAES, Laci Mary Barbosa. CRUZ, Sérgio Manuel Serra da. COSTA, Raimundo J. Macário, ZAVALETA, Jorge. ZIMBRÃO, Geraldo. Previsão de Estudantes com Risco de Evasão Utilizando Técnicas de Mineração de Dados. Anais do XXII SBIE - XVII WIE, 2011. MÁRQUEZ, Vera; ROMERO C.; VENTURA S. Predicting School Failure Using Data Mining. Proceedings of the 4th International Conference on Educational Data Mining. Julho, 2011.MERCERON, A. Educational data mining: a case study. Proceeding of the 2005 conference on Artificial. 2005 Disponível em: http://dl.acm.org/citation.cfm?id=1562589MINIX.ORG. The MINIX 3 Operating System. Disponível em: http://www.webcitation.org/64sAstWXM. Acessado em 2012-01-20.NISBET, Robert. ELDER, John. MINER, Gary. Statistical Analysis and Data Mining Applications. Elsevier, 2009.NORTH, Matthew. Data Mining for the Masses. 2012OLIVEIRA, Dalila Andrade. A Reestruturação do Trabalho Docente: Precarização e Flexibilização. Educ. Soc., Campinas, vol. 25, n. 89, pp. 1127-1144, Set./Dez. 2004. Disponível em: http://www.cedes.unicamp.br.PNE. Portal do Mec. Plano Nacional de Educação – PNE. Disponível em: http://portal.mec.gov.br/index.php?option=com_content&view=article&id=16478&Itemid=1107. Acessado em: 24/04/2012.PNE(b). Projeto de Lei 8035/2010. Câmara dos Deputados. Disponível em: http://www.camara.gov.br/proposicoesWeb/fichadetramitacao?idProposicao=490116. Acessado em: 12/04/2012.REIHANEH, Rabbany K.; MANSOUREH, Takaffoli; ZAÏANE, Osmar R. Analyzing Participation of Students in Online Courses Using Social Network Analysis Techniques. Proceedings of the 4th International Conference on Educational Data Mining. Julho, 2011.

Ranilson Oscar Araújo Paiva roap@ic.ufal.br

62Referências

ReferênciasREYNOLDS, K.; Kontostathis, A.; EDWARDS, L. Using Machine Learning to Detect Cyberbullying. 10th International Conference on Machine Learning and Applications and Workshops, 2011 p. 241-244.ROMERO, C., VENTURA, S. Educational Data Mining: A Survey from 1995 to 2005. Expert Systems with Applications, 2007 33(1), pp. 135-146.Romero, Cristóbal; Ventura, Sebastian; Pechenizkiy; Baker, Ryan. Handbook of Educational Data Mining.Florida: CRC Press, 2011.Russell, Stuart; Norvig, Peter. Artificial Intelligence: A Modern Approach. 3. ed. New Jersey: Pearson Education, 2010.SILVA, Alan Pedro da; COSTA, Evandro; BITTENCOURT, Ig Ibert. Uma Linha de Produto de Software baseada na Web Semântica para Sistemas Tutores Inteligentes. Revista Brasileira de Informação na Educação, 2012 v. 20, pp. 87.SOMMERVILLE, Ian. Software Engineering. ed. 09. Addison-Wesley, 2011.UFALLinguas. Disponível em: http://www.ufal.edu.br/cied/informes/cied-torna-publico-o-edital-do-curso-201cel-mundo-hispanico-sin-fronteiras . Acessado em: 15/01/2013.UFALLinguas(b). Disponível em: http://www.ufal.edu.br/cied/documentos/editalsimplificadocursoextensaoespanhol.pdf. Acessado em: 15/01/2013.W3C.ORG. Authoring Tool Definition. Disponível em: http://www.w3.org/TR/2012/WD-ATAG20-20120410/#def-Authoring-Tool. Acesso em: 03/01/2013.WALKER, Maurice. PISA 2009 Plus Results: Performance of 15-year-olds in Reading, Mathematics and Science for 10 Additional Participants. Acer Press, 2011.WITTEN, Ian; FRANK, Eibe; HALL, Mark. Data Mining: Practical Machine Learning Tools and Techniques. Elsevier, 2011. ed. 3. Massachusetts.WU, Xindong; et. Al. Top 10 Algorithms in Data Mining. Knowledge Information Systems, 2007 - Springer.

Ranilson Oscar Araújo Paiva roap@ic.ufal.br

63Referências

Agradecimentos

Uma pessoa nobre nunca se esquece, e é sempre grata, pelos favores que recebeu de outros.

Buddha

Ranilson Oscar Araújo Paiva roap@ic.ufal.br

64Agradecimentos

Obrigado!