Educational data mining in a discipline offered in the distance learning modality

Authors

DOI:

https://doi.org/10.33448/rsd-v9i9.7428

Keywords:

Discovery of knowledge; Data mining; Decision-making process.

Abstract

Data mining seeks to identify relationships between data, to create information that can generate new knowledge for the development of science, as well as for decision-making by subsidizing new actions that transform the current reality. And the use of educational data mining techniques, which focuses on the development of methods to explore these data sets. In this study, we tried to analyze the accesses and student grades from a virtual learning environment, measuring the evolution according to the number of accesses. Three classes of the mathematical financial discipline offered in the second semester of 2019 were considered for the research, with the data extracted from all the user activities in the content areas, carrying out an analysis according to the CRISP-DM process with implementation in the software. R and RStudio. The results indicate that the longest period of access to the study environment is between Monday and Wednesday, and it has been shown that with a minimum of 55 times of interaction in the environment, students tend to obtain the minimum grade for approval, while that access over 100 times indicate notes close to the maximum value.

Author Biography

Enir da Silva Fonseca, UNILUS - Centro Universitário Lusíada

Doutorado em Ensino de Ciências e Matemática pela Universidade Cruzeiro do Sul. Mestre em Engenharia Mecânica na UNISANTA - Universidade Santa Cecília com a dissertação. Pós-Graduado em Design Instrucional para EaD pela UNIFEI (Universidade Federal de Itajubá), Planejamento, Implementação e Gestão da Educação a Distância pela UFF (Universidade Federal Fluminense), Engenharia da Computação pela UFU (Universidade Federal de Uberlândia) e Gestão Empresarial pela UNINOVE (Universidade Nove de Julho). Graduado em Ciências da Computação pela UNICEB (Universidade Santa Cecilia dos Bandeirantes) e Formação Pedagógica de Docentes para as Disciplinas do Currículo da Educação Profissional em Nível Médio pela CEETEPS (Centro Estadual de Educação Tecnológica Paula Souza)

References

Araújo, E. O. (2018) Sistema de mineração de dados para apoiar a tomada de decisão em uma instituição de ensino superior - o problema da evasão escolar no IFTM. Instituto Politécnico do Porto. Portugal. Disponível em: https://recipp.ipp.pt/bitstream/10400.22/13080/1/Disserta%C3%A7%C3%A3o%20-%20Eduardo%20de%20Oliveira%20Araujo.pdf. Acesso em: 20 de fevereiro de 2020.

Bussab, W. O. & Morettin, P. A. (2010). Estatística básica. 6ª Edição. São Paulo: Saraiva.

Caldas, M. S. & Silva, E. C. C. (2016). Fundamentos e aplicação do Big Data: como tratar informações em uma sociedade de yottabytes. Bibliotecas Universitárias: pesquisas, experiências e perspectivas, Belo Horizonte, v. 3, n. 1, p. 65-83, jan./jun. 2016. Disponível em: https://brapci.inf.br/index.php/res/v/17069. Acesso em 15 de maio de 2020.

Campos, A. & Cazella, S. C. (2018). Descoberta de conhecimento em base de dados sobre o perfil de estudantes brasileiros de tecnologia da informação. VII Congresso Brasileiro de Informática na Educação (CBIE 2018). Anais dos Workshops do VII Congresso Brasileiro de Informática na Educação (WCBIE 2018). Disponível em: http://dx.doi.org/10.5753/cbie.wcbie.2018.449. Acesso em: 10 de março de 2020.

Chapman, P. et al. (2000). CRISP-DM 1.0. Step-by-step data mining guide. Disponível em: https://www.the-modeling-agency.com/crisp-dm.pdf. Acesso em: 05 de agosto de 2020.

Erl, T., Khattak, W. & Buhler, P. (2016). Big Data Fundamentals. Concepts, Drivers e Techniques. Prentice Hall.

Fonseca, E. S. (2020). Análise de desempenho discente em ambiente virtual de aprendizagem. Mineração de dados educacionais através do processo CRISP-DM. Tese. Disponível em: http://catalogodeteses.capes.gov.br/. Acesso em 30 de maio de 2020.

Fonseca, E. S. & Araújo Jr., C. F. (2018). O envolvimento discente em um ambiente virtual de aprendizagem. Análise realizada no curso de licenciatura em matemática. REnCiMa, v. 9, n. 5, p. 189-204. Disponível em: https://doi.org/10.26843/rencima.v9i5.1938. Acesso em: 15 de maio de 2020.

Gomes, A. S. & Gomes, C. R. A. (2020). Classificação dos tipos de pesquisa em informática na educação. In: Jaques, P. A.; Pimentel, M.; Siqueira; S.; Bittencourt, I. (Org.) Metodologia de Pesquisa Científica em Informática na Educação: Concepção de Pesquisa. Porto Alegre: SBC. (Série Metodologia de Pesquisa em Informática na Educação, v. 1. Disponível em: https://metodologia.ceie-br.org/livro-1/. Acesso em 10 de março de 2020.

Landeiro, V. L. (2011). Introdução ao uso do programa R. Instituto Nacional de Pesquisas da Amazônia. 2011. Disponível em: https://cran.r-project.org/doc/contrib/Landeiro-Introducao.pdf. Acesso em 15 de fevereiro de 2020.

Morais, I. S. et al. (2018) Introdução a big data e internet das coisas (IoT). Porto Alegre: SAGAH, 2018.

Motta, P. R. A. (2016). Estudo exploratório do uso de classificadores para a predição de desempenho e abandono em universidades. Disponível em: https://sucupira.capes.gov.br/sucupira/public/consultas/coleta/trabalhoConclusao/viewTrabalhoConclusao.jsf?popup=true&id_trabalho=3872977. Acesso em 01 de junho de 2020.

Patricio, T. S. & Magnoni, M. G. M. (2018). Mineração de dados e big data na educação. Revista GEMInIS, São Carlos, UFSCar, v. 9, n. 1, pp57-75. Disponível em http://dx.doi.org/10.4322/2179-1465.0901004. Acesso em 01 de junho de 2020.

Pereira, AS et al. (2018). Metodologia da pesquisa científica. [e-book]. Santa Maria. Ed. UAB/NTE/UFSM. Disponível em: https://repositorio.ufsm.br/bitstream/handle/1/15824/Lic_Computacao_Metodologia-Pesquisa-Cientifica.pdf?sequence=1.

Righetto, S. B. (2020). Manutenção preditiva 4.0: conceito, arquitetura e estratégias de implementação. Universidade Federal de Santa Catarina. 2020. Disponível em: https://repositorio.ufsc.br/bitstream/handle/123456789/204345/TCC_Sophia%20Boing%20Righetto.pdf?sequence=1. Acesso em: 05 de março de 2020.

Rstudio. (2020). RStudio Desktop 1.3.959. Open Source License. Disponível em: https://www.rstudio.com/products/rstudio/download/#download. Acesso em 20 de fevereiro de 2020.

Santos, W. T, (2017). Integração de recursos computacionais para atividades docentes em sala de aula. Educere. XIII Congresso Nacional de Educação. Disponível em: https://educere.bruc.com.br/arquivo/pdf2017/26092_14110.pdf. Acesso em 20 de maio de 2020.

Silva Junior, C. B. & Oliveira, I. C. A. (2016). Learning Analytics: revisão da literatura e o estado da arte. 2016. Disponível em: http://www.abed.org.br/congresso2016/trabalhos/329.pdf. Acesso em: 12 de abril de 2020.

Zanella, L. C. H. (2013). Metodologia de pesquisa. 2ª Edição. Florianópolis. Departamento de Ciências de Administração. UFSC. Disponível em: http://arquivos.eadadm.ufsc.br/EaDADM/UAB_2014_2/Modulo_1/Metodologia/material_didatico/Livro%20texto%20Metodologia%20da%20Pesquisa.pdf. Acesso em 10 de fevereiro de 2020.

Published

20/08/2020

How to Cite

Fonseca, E. da S., Araújo Jr, C. F. de, Barbosa, F. K. ., & Amaral, L. H. . (2020). Educational data mining in a discipline offered in the distance learning modality. Research, Society and Development, 9(9), e347997428. https://doi.org/10.33448/rsd-v9i9.7428

Issue

Section

Education Sciences