Educational data mining in a discipline offered in the distance learning modality
DOI:
https://doi.org/10.33448/rsd-v9i9.7428Keywords:
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.
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.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2020 Enir da Silva Fonseca; Carlos Fernando de Araújo Jr; Frederico Kauffmann Barbosa; Luiz Henrique Amaral
This work is licensed under a Creative Commons Attribution 4.0 International License.
Authors who publish with this journal agree to the following terms:
1) Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
2) Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
3) Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
