Diagnóstico do comportamento dos aprendizes na educação a distância com base no estilo de aprendizagem

• Main Author: Heidrich, Leonardo
• Other Authors: http://lattes.cnpq.br/6754464380129137
• Language: Portuguese
• Published: Universidade do Vale do Rio dos Sinos 2015
• Subjects: ACCNPQ::Ciências Exatas e da Terra::Ciência da Computação; Diagnóstico do aprendiz; Comportamento do aprendiz; Estilo de aprendizagem; Trilha de aprendizagem; Suporte à tomada de decisão; Educação a Distância; Learner diagnosis; Learner behavior; Learning style; Learning trail; Decision making support; Distance Learning
• Online Access: http://www.repositorio.jesuita.org.br/handle/UNISINOS/4350

Submitted by William Justo Figueiro (williamjf) on 2015-07-08T22:04:26Z No. of bitstreams: 1 10b.pdf: 11735358 bytes, checksum: d58155d036bd55a1a5ff2dfd32b4c4bc (MD5) === Made available in DSpace on 2015-07-08T22:04:26Z (GMT). No. of bitstreams: 1 10b.pdf: 11735358 bytes, checksum: d58155d036bd55a1a5ff2dfd32b4c4bc (MD5) Previous issue date: 2014 === Nenhuma === Sistemas de computadores estão cada vez mais sendo utilizados por escolas e universidades para gerenciar os aprendizes em todo o mundo. Os dados gerados pela utilização de sistemas como Enterprise Resource Planning, Learning Management System e Ambientes Virtuais de Aprendizagem podem conter informações valiosas. Estas informações podem ser estrategicamente utilizadas para auxiliar os professores na tomada de decisão. No entanto, existem casos onde somente os dados históricos dos aprendizes não são suficientes para apoiar a tomada de decisão. A tomada de decisão pode ser requerida antes mesmo de se obter os dados históricos, por exemplo, para aprendizes recém matriculados. O Estilo de Aprendizagem pode complementar os dados históricos cobrindo essa lacuna através do cruzamento com os padrões de comportamento histórico. Uma vez coletado, o Estilo de Aprendizagem pode ser utilizado em qualquer momento futuro, pois é considerado estável de maneira a não mudar significativamente com o passar do tempo. Neste sentido, este trabalho tem por objetivo propor a avaliação da utilização do Estilo de Aprendizagem no diagnóstico antecipado do comportamento dos aprendizes na modalidade de Educação a Distância para o suporte à tomada de decisão. A hipótese de que existe relação entre o Estilo de Aprendizagem e o comportamento do aprendiz em um Ambientes Virtual de Aprendizagem surge a partir do entendimento do conceito de Estilo de Aprendizagem, onde as preferências cognitivas e comportamentais são descritas numericamente. O comportamento de aprendizes em um ambiente virtual é identificado através das suas interações com os elementos do ambiente virtual. Dessa maneira, os dados sobre estas interações podem ser relacionados com as variáveis que descrevem o Estilo de Aprendizagem, chamadas dimensões, permitindo com que o diagnóstico antecipado do comportamento possa ser realizado promovendo o suporte à tomada de decisão. Assim, esta dissertação traz os esfor- ços da potencial utilização do Estilo de Aprendizagem em doze experimentos de diagnóstico do comportamento do aprendiz. Os resultados destes experimentos sugerem que o Estilo de Aprendizagem pode explicar o comportamento do aprendiz relacionados à quantidade de interações no ambiente de aprendizagem, ao intervalo de tempo entra as interações e à evasão. A dimensão Sequencial/Global apresentou resultados claros de que é possível antecipar o comportamento do aprendiz utilizando apenas o estilo com acurácia entre 50 e 80% para praticamente todos os experimentos. Complementarmente, a dimensão Ativo/Reflexivo também apresentou resultados com o mesmo nível de acurácia, porém satisfazendo apenas metade dos experimentos. === Computer systems are increasingly being used by schools and universities to manage learners in the worldwide. The data generated by the use of systems such as Enterprise Resource Planning, Learning Management System and Virtual Learning Environments can contain valuable information. This information can be used strategically to support teachers in decision making. However, there are situations where only the learners’ historical data are not sufficient to support decision making. Decision making may be required even before obtaining historical data, in example, for newly registered learners. The learner Learning Style can complement historical data covering this gap through the intersection with the historical behavior patterns. Once collected, learning style can be used at any time in the future, it is considered stable so as not change significantly over time. Thus, this thesis aims to propose a evaluation of the potential use of Learning Style in the early learner behavior diagnosis in the distance learning to support decision making. The hypothesis that there is a relation between Learning Style and the learner behavior in Virtual Learning Environments arises from the understanding of the concept of Learning Style, where the cognitive and behavioral preferences are described numerically. The learners’ behavior in a virtual environment is identified through its interaction with the elements of the virtual environment. Thus, the data generated from these interactions can be related to the variables that describe the Learning Style, called dimensions, allowing that early behavior diagnosis can be achieved by promoting the support to decision making. Thus, this dissertation brings the efforts of the potential use of Learning Style to diagnose learners’ behavior in twelve experiments. The results of these experiments suggest that the Learning Style can explain the learner behavior related to the amount of interaction in the learning environment, the interval of time among interactions and evasion. The Sequential/Global dimension had clear results that it is possible to anticipate the learner behavior using only the style with accuracy between 50 and 80% for almost all experiments. In addition, the Active/Reflective dimension also presented results with the same level of accuracy, however satisfying only half of the experiments.