Recomendações de recursos educacionais baseadas em aprendizagem de máquina para autorregulação da aprendizagem

Resumo

O aumento da educação à distância no Brasil tem estimulado o desenvolvimento de soluções para redução da evasão nos cursos e melhoria de desempenho dos estudantes. Dados gerados de interações em ambientes virtuais de aprendizagem (AVA) têm sido analisados na busca por padrões que auxiliem no acompanhamento da aprendizagem. AVAs têm sido aprimorados considerando peculiaridades existentes no perfil dos estudantes, para indicação de atividades e/ou estratégias de aprendizagem que aumentem seu desempenho. Este trabalho desenvolve um modelo de recomendação baseado em padrões de autorregulação da aprendizagem em AVAs, fundamentado em algoritmos de aprendizagem de máquina e mineração de dados. Foi construída uma solução em software de recomendação de recursos educacionais que possibilita (1) analisar o desempenho dos estudantes a partir de uma pontuação; (2) extrair características de comportamento que influenciam no desempenho; e (3) recomendar ações que promovam a melhoria do desempenho. Experimentos realizados com uma base real de universidade brasileira com mais 30.000 estudantes, e várias métricas de desempenho, indicam que a solução foi capaz de capturar o perfil de aprendizagem com performance superior a 0,95 (Área Sob a Curva ROC); e a recomendar ações para melhoria da aprendizagem.