DETECÇÃO AUTOMÁTICA DE ESTILOS DE APRENDIZAGEM EM AMBIENTES VIRTUAIS DE APRENDIZAGEM (AVAs)

Dr. Fulano de Tal. CIDADE-ESTADO MES/ANO Dedico este trabalho a Deus e aos meus pais que me deram todo apoio  necessário em todos os momentos da minha vida, aos meus professores que me ensinaram que por mais que achamos que o nosso conhecimento já está bem profundo, estamos enganados, pois o conhecimento é algo que está sempre se renovando. Obrigado por tudo! AGRADECIMENTOS • A universidade, pela oportunidade; • À Faculdade ……. pela formação acadêmica; • Ao professor Dr…………. In this context, this paper presents the development of a software application for automatic detection of learning styles in VLEs. The tool has been validated through a case study applied to the log files (log file of events) of a discipline of Computer Programming for artificially generated data with the Moodle VLE. Initial results are promising and allow the detection of 3 of the 4 dimensions of learning styles Felder and Silverman.

Keywords: Virtual Learning Environments, Distance Education, Learning Styles; Customization AVAs. LISTA DE FIGURAS Figura 1: Rede Bayesiana Simples. Plano de fundo 23 2. Características individuais 23 2. Estilos de Aprendizagem 25 2. Aprendizes Ativos x Aprendizes Reflexivos 26 2. Aprendizes Racionais x Aprendizes Intuitivos 26 2. Para isso, a tecnologia da informação nos disponibiliza diariamente novos softwares, plataformas e recursos que permitem o aprendizado através do computador. Dentro deste cenário, verifica-se a adoção da modalidade de Educação a Distância por escolas, universidades e empresas, e torna-se imprescindível conhecer e estudar as tecnologias disponíveis para compreender e melhorar este meio de aprendizagem. Contextualizando historicamente, sabe-se que a educação a distância surgiu por volta de 1850 em vários países da Europa, mas nos seus primeiros cinquenta anos, o conhecimento era transmitido através de material impresso, levado até o aluno pelo correio.

Depois disso, outras tecnologias de comunicação passaram a ser utilizadas no ensino à distância como, por exemplo, o cinema, o rádio e a televisão. No entanto, do mesmo modo que a aprendizagem por correspondência, as aprendizagens radiofônicas e televisivas não permitiam que o aluno interagisse, discutisse ou realizasse trabalhos em equipe (LITTO, 2010). No capítulo 3, apresentamos como foi feito o estudo de caso, o desenvolvimento da Rede Bayesiana e a aplicação que identifica os estilos de aprendizagem. Logo após, temos a parte de procedimentos metodológicos, onde apresentamos todas as ferramentas utilizadas tanto no estudo de caso, quanto na aplicação. E por último, temos as Considerações Finais. EDUCAÇÃO A DISTÂNCIA Os avanços da tecnologia da informação, a popularização do computador e da Internet banda larga estão modificando a maneira de ensinar e aprender.

O intensivo compasso do mundo globalizado e a alta complexidade das tarefas fazem com que o processo de aprendizado não possa ser considerado uma atividade trivial, uma vez que muitos não disponibilizam de tempo para se dedicar exclusivamente desse processo. Conforme as instituições tentam concretizar isso, verificam ser imprescindível criar novas políticas, visto que às vezes é preciso criar departamentos inteiramente novos e fazer algumas parcerias interinstitucionais. Conforme se pode observar, quando se começa a discorrer a respeito de todas as implicações, causada pelo distanciamento entre alunos e professores, um conceito que em princípio parece muito simples se torna, na realidade, muito complicado. Para compreender melhor a natureza dessa área, adota-se nesse trabalho, a seguinte definição de Educação a Distância: “Educação a Distância é o aprendizado planejado que ocorre normalmente em um lugar diferente do local do ensino, exigindo técnicas especiais de criação do curso e de instrução, comunicação por meio de várias tecnologias e disposições organizacionais e administrativas especiais.

” (MOORE, KEARSLEY, 2008, p. traduzido por Roberto Galman). Segundo, Moore e Kearsley (2008) os responsáveis institucionais e governamentais têm inserido a EAD para atender algumas necessidades, que entre elas estão: o ingresso crescente a oportunidades de aprendizado e treinamento; proporcionar uma combinação de ensino com os afazeres e a vida familiar do aluno; aumentar as competências para o ensino em novas áreas, expandir as experiências educativas; diminuir as diferenças entre grupos etários; aprimorar a capacidade do sistema educativo; diminuir as despesas dos recursos educacionais; melhorar a qualidade dos sistemas educacionais já existentes. É obvio, que além das necessidades acima, podem existir vários outros motivos, para que os responsáveis institucionais têm implantado o sistema de educação a distância nas suas organizações, porém essas necessidades dão uma representação dos muitos motivos pelas quais esse sistema de ensino tem ganhado um maior interesse dos planejadores nos últimos tempos.

Tecnologias utilizadas na Educação a Distância Segundo, Moore e Kersley (2008) um sistema de EAD é formado por todos os processos componentes que operam quando ocorre o ensino e o aprendizado a distância. Ele inclui aprendizado, ensino, comunicação, criação e gerenciamento. No decorrer dos primeiros cinquenta anos, a entrega da informação na educação a distância era por meio do material impresso, levado até o aluno por correspondência. Entretanto, nenhuma das tecnologias citadas até agora, para Litto (2010), não permitem a interação, a discussão e trabalhos em equipe entre alunos, pois toda a comunicação se dá de forma unidirecional, ou seja, entre a instituição e o aluno. Segundo Litto (2010) foi com o advento e popularização do computador e das redes de computadores, a partir dos anos 1980, que a aprendizagem a distância deu um salto grande, uma vez que, diferente das outras tecnologias inventadas anteriormente, o computador é capaz de realizar várias funções simultaneamente, além de oferecer melhor comunicação, possibilitando enviar e receber mensagens com imagens, textos e sons, desde que conectado à rede telefônica.

“Para quem esta interessado em educação e treinamento, não poderia ter acontecido algo mais importante: cada vez mais um enorme público capacitado por meio de aparelhos apropriados para fazer cursos a distância e para fazer usos desses mesmos aparelhos para fazer avançar constantemente seus conhecimentos. ” (LITTO, 2010, p. Atualmente, a realização de cursos através da Internet se faz por meio de um programa ou plataforma computacional, chamado de sistema de gerenciamento da aprendizagem, normalmente instalado em servidores da instituição de ensino e disponibiliza acesso online aos alunos, professores, tutores, administradores, etc. Personalização de Ambientes Virtuais de Aprendizagem Um sistema de educação a distância, normalmente é utilizado por uma variedade de alunos, com diferentes habilidades, experiências, preferências e estilos de aprendizagem.

Assim, uma das características mais desejáveis dos sistemas educacionais é ser adaptativo ou personalizado (BRUSILOVSKY; PEYLO, 2003). Um ambiente virtual de aprendizagem (AVA) adaptativo pode ajustar o conteúdo e a navegação de acordo com o modelo de aluno. Personalização é o método de adaptação de um sistema às necessidades dos usuários, e se aproveita do conhecimento adquirido sobre eles (BRUSILOVSKY; MILLÁN, 2007). Na verdade, os usos das técnicas de personalização têm por objetivo melhorar a usabilidade e a interação dos sistemas e-learning, uma vez que o sistema adapta a interface, o conteúdo, a apresentação e a navegação, considerando o perfil do usuário, normalmente denominado de modelo do aluno, onde cada usuário tem a percepção de que o sistema foi projetado especialmente para ele.

Quando o usuário navega de um item para outro, o sistema pode manipular as ligações para fornecer suporte à navegação adaptativa. Quando o usuário chega a uma determinada página, o sistema pode apresentar o conteúdo de forma personalizada. Para criar e manter um modelo de usuário atualizado (up-to-date), o sistema adaptativo coleta dados para o modelo do usuário de diversas fontes que podem incluir implicitamente observando a interação do usuário e solicitando explicitamente a entrada direta do usuário. Este processo é conhecido como modelação do utilizador. A quantidade e a natureza da informação representada no modelo do usuário dependem grande parte do tipo de efeito de adaptação que o sistema tem de entregar. Pela natureza do conhecimento representado, os modelos estruturais podem ser classificados de forma independente ao longo de duas diferentes sub-dimensões, de acordo com: • o tipo de conhecimento representado (declarativo versus processual), e • A comparação de o usuário do conhecimento representado no modelo ao nível de um especialista de conhecimento do assunto, referida como modelo de domínio, o modelo de especialista, ou "estudante ideal" do modelo.

Interesses Os interesses dos utilizadores sempre constituíram a parte mais importante, e normalmente a única, do perfil de usuário na recuperação da informação e sistemas de filtragem adaptativa que lidavam com grandes volumes de informação (BRUSILOSVY; MILLÁN, 2007). Por exemplo, um sistema personalizado de notícias pode modelar os interesses dos utilizadores sobre temas distintos, com base em uma localização geográfica específica, e lidando com entidades nomeadas. Metas e tarefas O objetivo do usuário ou tarefa representa o propósito imediato para o trabalho de um usuário dentro de um sistema adaptativo (BRUSILOSVY; MILLÁN, 2007). Dependendo do tipo de sistema, ele pode ser o objetivo do trabalho, em sistemas de aplicação, uma necessidade de informação imediata, em sistemas de acesso à informação, ou um objetivo de aprendizagem (nos sistemas educacionais).

Pesquisas sobre o estilo cognitivo há muito tempo têm atraído a atenção de pesquisadores em personalização Web e áreas afins, tais como o comportamento humano de informação. Geralmente o profissional que usa esses estilos, distingue um número de dimensões em que os estilos cognitivos dos usuários podem ser diferentes: dependente ou independente, impulsivo ou reflexivo, conceitual ou inferencial, temática ou relacional, analítica ou global (BRUSILOSVY; MILLÁN, 2007). Já os estilos de aprendizagem, que será discutido mais a frente neste trabalho, são normalmente definidos como a maneira como as pessoas preferem aprender (FELDER; SILVERMAN, 1988). Este grupo de características individuais é parecido com o estilo cognitivo, só que mais estreito nesse âmbito, devido o seu foco na aprendizagem humana. Segundo BRUSILOSVY e MILLÁN (2007) existem várias técnicas que permitem que o usuário do sistema seja enxergado como um indivíduo, tendo um sistema gerenciador de aprendizagem adaptado as suas características, necessidades e desejos.

Por isso, nossos objetivos de aprendizagem devem incluir sermos eficientes aprendizes ao longo da vida. E só conseguiremos isto, se nos dedicarmos a compreender como aprendemos e como podemos melhorar nosso desempenho como aprendizes. ” (Cavellucci, 2005, p. Para Felder e Silverman (1988), como o aprendizado acontece a todo instante, e para que ele ocorra de uma forma mais confortável e afetiva é preciso incorporar novas táticas com as já conhecidas, com o objetivo de facilitar o processo de ensino, em especial, o ensino a distância. Segundo eles, as pessoas recebem as informações e as processa segundo suas próprias preferências e características, o que Felder e Silverman avaliam como “estilos de aprendizagem”, como habilidades que podem e devem ser desenvolvidas. Entretanto, os alunos verbais têm melhor proveito das palavras, ou seja, por meio de explicações orais ou escritas, como por exemplo, a explicação do professor na sala de aula ou o comentário anotado abaixo do conteúdo (CAVELUCCI, 2005).

Aprendizes Sequenciais x Aprendizes Globais Os alunos sequenciais aprendem melhor quando o conteúdo é transmitido de maneira linear, ou seja, em sequência (CAVELUCCI, 2005). Os estudantes globais conseguem lidar com conteúdos aleatórios, compreendendo-os repentinamente, mas depois que montam uma visão geral, eles têm dificuldades de explicar o caminho utilizado para chegar até ela (CAVELUCCI, 2005). Percebe-se então, que o modo que cada um tem de aprender é justamente o estilo de aprendizagem, ou seja, o modo preferencial dos estudantes pode indicar estratégias de ensino, com o objetivo de facilitar processo de aprendizagem. Contudo as preferências podem mudar de acordo com o tempo, os objetos de estudo e experiências, e nem sempre serão compatíveis com todas as situações de aprendizagem (CAVELUCCI, 2005). Redes Bayesianas Segundo Brusilovsky e Millan (2003), quando é realizada a modelagem do usuário, frequentemente é necessário tratar as informações que são incertas, ou seja, quando não se tem certeza que a informação disponível é inteiramente verdadeira e/ou imprecisas, quando os valores movimentados não estão totalmente definidos.

Como por exemplo, podemos observar a seguinte frase: ”O estudante não respondeu esta pergunta, então ele provavelmente não compreendeu o conceito de A”, o que pode ser uma informação incerta, pois pode haver outros motivos dele não ter respondido. Por outro lado, se dissermos: “o usuário esta estudando o conceito de A por um longo período”, podemos estar fazendo uma observação imprecisa. Contudo, observa-se que a modelagem do estudante é um domínio onde existem muitas nascentes distintas de incerteza e/ou imprecisão, por isso, técnicas de raciocínio são adequadas para esse problema. Uma das técnicas mais empregadas neste caso são as Redes Bayesianas. Contudo, pode existir nós independentes, ou seja, sem pais. A direção dos arcos pode indicar qual o estilo de aprendizagem do estudante, através das ações realizadas por ele.

Na Figura 1 tem-se um exemplo de uma BN simples, apresentado por P. García, S. Schiaffino & A. Para simplificar a rede bayesiana de modelos de domínios diferentes, ou seja, em termos de variáveis e a relações entre elas. O modelo matemático de uma BN a frente é o teorema de Bayes, com ele é possível fazer deduções sobre o valor de um determinado nó, através da observação dos valores de outros nós na rede (GARCÍA; SCHIAFFINO; AMANDI, 2007). O teorema de Bayes fornece a distribuição da probabilidade condicional de uma variável A, assumindo: Informações de outra variável B, em termos da distribuição de probabilidade condicional de B dado A, e da distribuição de probabilidade de A somente. A equação mostrada acima diz o seguinte: A probabilidade de A dado B é igual à probabilidade de B dado A, vezes a probabilidade de A, dividida pela probabilidade de B.

Esse teorema é o ponto principal dos mecanismos de inferência bayesiana. Como exemplo, para avaliar a dimensão Percepção, pode-se observar o tempo que o aluno tem dedicado à revisão do exame; o tempo que leva o aluno a terminar e a submeter o exame; o número de mudanças nas respostas do exame; o tipo de leitura preferida (resumida ou integral); número de exercícios feitos e número de exemplos lidos. Já para avaliar a dimensão Processamento, pode-se observar a participação do aluno em fóruns; o uso dos chats e outros sistemas de mensagens e a participação e colaboração em tarefas em grupo. Já para avaliar a dimensão Compreensão, pode-se observar o padrão de acesso à informação e os resultados dos testes e exames.

Se tratando da dimensão Percepção, pode-se dizer que, de acordo com Felder e Silvermam (1988), um estudante que não revê os seus exercícios e/ou exames é provável que ele seja intuitivo. Todavia, um aluno que confere atenciosamente seus exames e/ou exercícios comumente é racional. Estudo de Caso Este trabalho utiliza o banco de dados de um ambiente de testes disponível no Ambiente Virtual de Aprendizagem Moodle, que é discutido na seção de procedimentos metodológicos. Este ambiente foi implementado e disponibilizado por uma universidade do estado de São Paulo para realização de estudos e testes. Nele encontra-se um curso de Algoritmos e Programação, onde existem vários alunos cadastrados, alunos dos quais foram monitorados para realização deste trabalho, e todos os recursos que normalmente encontra-se em um curso à distância baseado na Web e na plataforma Moodle.

Para identificar os estilos de aprendizagem dos alunos cadastrados, os comportamentos dos estudantes dentro do AVA foram monitorados, com a criação de uma aplicação desenvolvida na plataforma Java, e também com a implementação de uma Rede Bayesiana (BN) no Weka, uma ferramenta de mineração de dados, que será discutida na seção de procedimentos metodológicos, que leva em conta três dimensões de quatro abordadas por Felder. As dimensões estudadas são: Percepção, Processamento e Compreensão. Revisão do Exame Tempo inferior a 10%, entre 10% e 20%, mais de 20%. relacionado ao tempo designado para o exame) Tempo de entrega do exame Tempo inferior a 50%, entre 50% e 75%, mais de 75%. relacionado ao tempo designado para o exame) Exercícios Muitos (mais de 75%); poucos (entre 25%e 75%); nenhuma.

em relação à quantidade de exercícios propostos) Responder as alterações Muitos (mais de 50%); poucos (entre 20% e 50%); nenhuma. relacionado ao número de perguntas ou itens no exame) Acesso a exemplos Muitos (mais de 75%); poucos (entre 25% e 75%); nenhuma. Ele pode ser usado de diversas maneiras, muitas instituições ou professores gostam de utilizar os módulos de atividade (como chats, fóruns, wikis,etc ) para construir um ambiente de aprendizagem mais colaborativo, enquanto alguns o utilizam somente como um meio de fornecer conteúdo aos alunos e avaliar a aprendizagem utilizando tarefas ou questionários. Como o banco de dados do Moodle é baseado em MySql, utilizou-se para restauração do banco de dados a ferramenta Heidi-SQL, que também é um software OpenSource, que possui uma interface baseada em Windows para gerenciar o MySQL e o Microsoft SQL Server .

 Com ele é possível visualizar e editar dados, criar e editar tabelas, exibições, procedimentos, gatilhos, etc. Para a criação da Rede Bayesiana e a Mineração dos dados, foi utilizada a ferramenta Weka da Universidade de Waikoto na Nova Zelândia. A Weka é um conjunto de algoritmos de aprendizado de máquina para tarefas de mineração de dados. abed. org. br/congresso2005/por/pdf/198tcc5. pdf>. Acesso em: 20 ago. PEYLO, C. Adaptive and intelligent web-based educational systems. International Journal of Artificial Intelligence in Education, 13 (2-4): 159 – 172, 2003. CAVELLUCCI, Lia Cristina B.  Estilos de aprendizagem: em busca das diferenças individuais.  A review of recent advances in learner and skill modeling in intelligent learning environments.  Disponível em: <http://link. springer. com/article/10. Fs11257-011-9106-8?LI=true>. An enhanced Bayesian model to detect students’ learning styles inWeb-based courses.

Journal Of Computer Assisted Learning, Buenos Aires, p. LITTO, F. M. Aprendizagem a distância. ac. uk/ jtap-573/573r2-3. html>. Acesso em: 25 jun. MOORE, M. com. br/pdf/livros/cultura/2259532. pdf>. Acesso em: 19 set. ROSALES, G. SANTOS, Núbia Dos S. Rosa Santana Dos et al. Monitoramento navegacional do aluno para descoberta de padrões de preferências de aprendizagem no Moodle.  Cadernos de Informática, Gramado, p. maio 2011.