Aplicação de algoritmos de aprendizado de máquina na classificação de Conhecimentos Especializados de Professores de Física
DOI:
https://doi.org/10.33448/rsd-v9i11.10584Palavras-chave:
Aprendizagem de máquina; Classificação de conhecimentos; PTSK; Doc2vec; J48.Resumo
O sucesso da Inteligência Artificial tem atraído pesquisadores de diversas áreas para o uso de técnicas computacionais em tarefas de extração de conhecimentos de dados não estruturados, como os documentos textuais, apresentando-se como uma solução possível para a classificação de Conhecimentos Especializado de Professores de Física, que consiste em uma ferramenta analítica que descreve os Conhecimentos da Física (PK) e os conhecimentos Didáticos do Conteúdo (PCK), considerada muito importante para auxiliar na identificação e na análise de conhecimentos mobilizados pelos professores em suas práticas de ensino. Porém, a tarefa de identificação e classificação de conhecimentos presentes em documentos textuais apresentam alguns desafios, como: as investigações em documentos textuais é trabalhosa, demorada e envolve mão de obra de pessoas especializadas. Nesse sentido, o objetivo da pesquisa é analisar a eficácia dos algoritmos utilizados na classificação automática de Conhecimentos Especializados de Professores de Física (PTSK) em textos de uma base de dados previamente classificada. O encaminhamento metodológico é de natureza quantitativa, exploratória e aplicada para prever a classe Conhecimentos da Física (PK) ou Conhecimentos Didáticos do Conteúdo (PCK) para caracterizar um conhecimento. Para isso, foram usados dois algoritmos: o doc2vec e o J48 e os resultados foram analisados com base nos resultados alcançados nas métricas de validação. O melhor resultado foi alcançado com o doc2vec, obtendo 88% de taxa de acerto. Com base nos resultados atingidos, pode-se concluir que a estratégia de usar inteligência artificial para a classificação automática de conhecimentos de professores de Física é uma solução plausível.
Referências
Almeida, L. M., Padilha, T. P. P., Oliveira, F. L.de & Previero, C. A. (2003). Uma Ferramenta para Extração de Padrões. REIC. Revista Eletrônica de Iniciação Científica.
Ausubel, D. P., Novak, J. D. & Hanesian, H. (1980). Psicologia educacional. Tradução Eva Nick. Rio de Janeiro: Interamericana.
Ball, D. L., Thames, M. H. & Phelps, G. (2008). Content Knowledge for Teaching: What Makes It Special? Journal of teacher education.
Breve, F. A. (2010). Aprendizado de máquina em redes complexas. Tese (Doutorado em Ciências de Computação e Matemática Computacional) - Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São Carlos.
Carrillo, J., Avila, D. I. E., Mora, D. V. & Medrano, E. F. (2014). Un marco teórico para el conocimiento especializado del profesor de matemáticas. Huelva, Espanha: Universidad de Huelva Publicaciones.
Carrillo, J., Climent, N., Contreras, L. C. & Muñoz-Catalán, M. C. (2013). Determining Specialised Knowledge For Mathematics Teaching. In: Ubuz, B.; Haser, C., et al. (Ed.). VIII Congress of the European Society for Research in Mathematics Education (CERME 8). 8. Antalya, Turkey: Middle East Technical University, Ankara.
Contreras, J. (2002). A autonomia de professores. São Paulo: Cortez.
Feldman, R., & Sanger, J. (2006). Text Mining Handbook. Cambridge (MA): Cambridge University Press.
Fernandez, C. (2015). Revisitando a Base de Conhecimentos e o Conhecimento Pedagógico do Conteúdo (PCK) de Professores de Ciências. Ensaio: Pesquisa em Educação em Ciências.
Gauthier, C. (1998). Por uma teoria da Pedagogia: pesquisas contemporâneas sobre o saber docente. Ijuí: Unijuí.
Giasson, E., Hartemink, A. E., Tornquist, C. G., Teske, R., & Bagatini, T. (2013) Avaliação de cinco algoritmos de árvores de decisão e três tipos de modelos digitais de elevação para mapeamento digital de solos a nível semidetalhado na Bacia do Lageado Grande, RS, Brasil. Ciência Rural (UFSM).
Gil, A. C. (1999). Métodos e técnicas de pesquisa social. (5a ed.), São Paulo.
Grossman, P. L. (1990). The making of a teacher: teacher knowledge and teacher education. New York: Teachers College Press.
Hall, M. (2009). The WEKA Data Mining Software: an update. SIGKDD Explorations Newsletter.
Han, J., Kamber, M. & Pei, J. (2011). Data Mining: Concepts and Techniques (3a ed.). Morgan Kaufmann Publishers Inc., San Francisco, CA, USA.
He, K., Zhang, X., Ren, S. & Sun, J. (2015). Delving deep into rectifiers: Surpassing human-level performance on imagenet classification. In: Proceeding ICCV '15 Proceedings of the 2015 IEEE International Conference on Computer Vision (ICCV).
Kilpatrick, J., & Spangler, D. A. (2015) Educating Future Mathematics Education Professors. Handbook of International Research in Mathematics Education.
Lima, S. S. (2018). Conhecimento especializado de professores de física: uma proposta de modelo teórico. Dissertação (Mestrado em Ensino) - Programa de Pós-Graduação Stricto Sensu em Ensino, Instituto Federal de Educação, Ciência e Tecnologia de Mato Grosso – IFMT, Cuiabá.
Lima, S. S., Darsie, M. M. P., & Mello, G. J. (2020). Análise comparativa dos modelos usados como ferramenta metodológica nas pesquisas sobre o Conhecimento Pedagógico de Conteúdo (PCK) de professores de Física no Brasil. Caderno Brasileiro de Ensino de Física.
Loughran, J., Milroy, P., Berry, A., Gunstone, R. & Mulhall, P. (2001) Documenting science teachers' pedagogical content knowledge through PaP-eRs. Research in Science Education.
Luís, M., Monteiro, R. & Carrillo, J. (2015). Conhecimento Especializado do Professor para Ensinar Ciências. In: Encontro Nacional De Educação Em Ciências, XVI. Lisboa, Portugal. Anais. Lisboa: APEduC.
Maimon, O., & Rokach, L. (2005). Data mining and knowledge discovery handbook. Springer.
Malanchen, J., Negrão, R. & Santos, S. A. (2012). Formação de professores: Diferentes enfoques e algumas contradições. In: IX ANped Sul, 2012, Caxias do Sul. A pós-graduação e suas interlocuções com a educação básica.
Marconi, M. De A. & Lakatos, E. M. (2001). Metodologia científica: ciência e conhecimento científico, métodos científicos, teoria, hipóteses e variáveis, metodologia jurídica. 3. ed. rev. e ampl. São Paulo.
Morais, E. A. M. & Ambrósio, A. P. L. (2007) Mineração de textos. Relatório Técnico–Instituto de Informática (UFG).
Moreira, M. A. (2017) Grandes desafios para o ensino da física na educação contemporânea. Revista do Professor de Física, Brasília.
Moriel Junior, J. G. (2014). Conhecimento especializado para ensinar
divisão de frações. 2014. 162 p. Tese de doutorado (Pós-Graduação em Educação
em Ciências e Matemática – PPGECEM/REAMEC) – Universidade Federal de Mato
Grosso, Cuiabá.
Moriel Junior, J. G., & Alencar, E. S. (2020). Pesquisa e formação docente com MTSK em Mato Grosso e Mato Grosso do Sul. Research, Society and Development.
Moriel Junior, J. G., & Wielewski, G. D. (2017). Base de Conhecimento de Professores de Matemática: do Genérico ao Especializado. Revista de Ensino, Educação e Ciências Humanas.
Nóvoa, A. (1991). Para o estudo sócio-histórico da gênese e desenvolvimento da profissão docente. Teoria & Educação.
Park, S., & Oliver, S. (2008). Revisiting the conceptualization of pedagogical content knowledge (PCK): PCK as a conceptual tool to understand teachers as professionals. Research in Science Education. NewYork.
Pellucci, P. R. S., Ribeiro, R. P., Oliveira, W. B. & Ladeira, A. P. (2011) Utilização de Técnicas de Aprendizado de Máquina no reconhecimento de entidades nomeadas no Português. Exacta, Belo Horizonte.
Pimenta, S. G. (2012). Saberes pedagógicos e atividade docente. São Paulo: Cortez.
Pimenta, S. G. (1997). Formação de professores - saberes da docência e identidade do professor. Revista da Educação da Aec do Brasil, São Paulo.
Quinlan, J. R. (1993). C4.5: programs for machine learning. Sydney, Austrália: Morgan Kaufmann Publishers.
Richardson, R. J. (1999) Pesquisa social: métodos e técnicas. (3a ed.), São Paulo.
Salem, S. (2012). Perfil, evolução e perspectivas da Pesquisa em Ensino de Física no Brasil. 2012. 385f. Tese (Doutorado) – Universidade de São Paulo, São Paulo.
Santos, R. M. M. dos. (2016). Técnicas de aprendizagem de máquina utilizadas na previsão de desempenho acadêmico. 2016. 90 p. Dissertação (Mestrado Profissional) – Programa de Pós-Graduação em Educação, Universidade Federal dos Vales do Jequitinhonha e Mucuri, Diamantina.
Shulman, L. (1987). Knowledge and teaching: Foundations of the new reform. Harvard Educational Review. Feb.
Shulman, L. (1986). Those who understand: knowledge growth in teaching. Educational Researcher. Washington.
Soares, S. T. C. (2019). Conhecimento Especializado de Professores de Química: Proposta de Modelo com detalhamento do Conhecimento dos Tópicos. Dissertação (Mestrado em Ensino) Programa de Pós-Graduação Stricto Sensu em Ensino, Instituto Federal de Educação, Ciência e Tecnologia de Mato Grosso – IFMT, em associação com Universidade de Cuiabá.
Tardif, M. (2010). Saberes docentes e formação profissional. (12a ed.), Petrópolis (RJ): Vozes.
Vasco, D., Moriel Junior, J. G. & Contreras, L. C. (2017). Subdominios KoT y KSM del Mathematics Teacher’s Specialised Knowledge (MTSK): definición, categorías y ejemplos. In: III Jornadas de Investigación en Didáctica de las Matemáticas, Huelva.
Vergara, S. C. (2000). Projetos e relatórios de pesquisa em administração. (3a ed.), Rio de Janeiro: Atlas.
Waikato. (2020, junho 16). Weka 3: Data Mining Software in Java. 2015. Recuperado de: http://www.cs.waikato.ac.nz/ml/weka/.
Witten, I. H., & Frank. E. (2005) Data Mining: Practical Machine Learning Tools and Techniques. Morgan Kaufmann, San Francisco, 2nd edition.
Ye, N. (2003). The Handbook of Data Mining. London: Taylor & Francis.
Zikmund, W. G. (2000). Business research methods. (5a ed.) Fort Worth, TX: Dryden.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2020 Tamara Aguiar Tavares Mascarenhas; Jeferson Gomes Moriel Junior ; Raphael de Souza Rosa Gomes; Geison Jader Mello
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Autores que publicam nesta revista concordam com os seguintes termos:
1) Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
2) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
3) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado.
