Blucher Design Proceedings

Novembro 2016, vol.2, num.9 - 12º Congresso Brasileiro de Pesquisa e Desenvolvimento em Design
Artigo Completo - Open Access Idioma principal | Segundo principal

MINERAÇÃO DE DADOS: A NOVA MANEIRA DE COMPREENDER O COMPORTAMENTO DO USUÁRIO DO ENSINO A DISTÂNCIA

MINERAÇÃO DE DADOS: A NOVA MANEIRA DE COMPREENDER O COMPORTAMENTO DO USUÁRIO DO ENSINO A DISTÂNCIA

Bandeira, Michele; Santos, Natália Braulio dos; Ribeiro, Vinicius Gadis; Gavião Neto, Wilson Pires

Artigo Completo:

Na literatura d o de sign, é co nsenso que a co mbinação d e mais de uma técnica de coleta de informações do usuário pode produzir melhores conclusões a respeito de seu comportamento. Contudo, a mineração de dados raramente tem sido envolvida na prática do Design Centrado no Usuário bem como considerada na prática do Design Instrucional (DI). O objetivo deste trabalho é apresentar um paralelo entre métodos tradicionais do Design Centrado no Usuário e as contribuições da área de Mineração de Dados no sentido de melhor compreender o comportamento de estudantes em Ambientes Virtuais de Aprendizagem (AVAs). Para isso, procede-se metodologicamente em 3 partes: ( i) revisa-se práticas no âmbito da captura do feedback do estudante segundo a literatura do DI; (ii) compreende-se o funcionamento de técnicas de mineração de dados e o que elas se propõe a resolver e (iii) elucida-se como são ou podem ser empregadas no contexto do ensino à distância para melhor compreensão do comportamento do estudante. As principais conclusões são que a Mineração de Dados (MD) conecta práticas quantitativas e qualitativas empregadas no DI e oportuniza novas formas de análise da resposta dada pelo estudante aos estímulos gerados pelas atividades de ensino.

Na literatura d o de sign, é co nsenso que a co mbinação d e mais de uma técnica de coleta de informações do usuário pode produzir melhores conclusões a respeito de seu comportamento. Contudo, a mineração de dados raramente tem sido envolvida na prática do Design Centrado no Usuário bem como considerada na prática do Design Instrucional (DI). O objetivo deste trabalho é apresentar um paralelo entre métodos tradicionais do Design Centrado no Usuário e as contribuições da área de Mineração de Dados no sentido de melhor compreender o comportamento de estudantes em Ambientes Virtuais de Aprendizagem (AVAs). Para isso, procede-se metodologicamente em 3 partes: ( i) revisa-se práticas no âmbito da captura do feedback do estudante segundo a literatura do DI; (ii) compreende-se o funcionamento de técnicas de mineração de dados e o que elas se propõe a resolver e (iii) elucida-se como são ou podem ser empregadas no contexto do ensino à distância para melhor compreensão do comportamento do estudante. As principais conclusões são que a Mineração de Dados (MD) conecta práticas quantitativas e qualitativas empregadas no DI e oportuniza novas formas de análise da resposta dada pelo estudante aos estímulos gerados pelas atividades de ensino.

Download (PDF)

Palavras-chave:

DOI: 10.5151/despro-ped2016-0217

Referências bibliográficas
  • [1] ABRAS, Chadia; MALONEY-KRICHMAR, Diane; PREECE, Jenny. User-centered design. Bainbridge, W. Encyclopedia of Human-Computer Interaction. Thousand Oaks: Sage Publications, v. 37, n. 4, p. 445-456. Thousand Oaks, 2004.
  • [2] BAE, J. K.; KIM, J. Product development with data mining techniques: A case on design of digital camera. Expert Systems with Applications, 38(8):9274 – 9280, 2011.
  • [3] BAKER, R.; ISOTANI, S.; CARVALHO, A. Mineração de Dados Educacionais: Oportunidades para o Brasil. Revista Brasileira de Informática na Educação, v. 19, n. 02, p. 03, 2011.
  • [4] BARGAS-AVILA, J. A.; HORNBÆK, K. Old wine in new bottles or novel challenges: a critical analysis of empirical studies of user experience. Proceedings of the SIGCHI Conference on Human Factors in Computing Systems. ACM, p. 2689-2698, 2011.
  • [5] BEHAR, Patricia Alejandra. Competências em educação à distância. Penso Editora. Porto Alegre, 2013. BERLAND, Matthew et al. Educational data mining and learning analytics: Applications to constructionist research. Technology, Knowledge and Learning, 19(1-2), pp.205-220, 2014.
  • [6] BONSIEPE, Gui. Design como prática de projeto. Ed. Blucher, São Paulo, SP, 2012.
  • [7] BOMFIM, G. A. Metodologia para desenvolvimento de projetos. Editora Universitária / UFPB. João Pessoa, 1995.
  • [8] BRANCH, R. M. Instructional design: The ADDIE approach. Athens: Springer Science+Business Media, 2010.
  • [9] CARVALHO, André et al. Inteligência Artificial - Uma abordagem de aprendizado de máquina. Rio de Janeiro: LTC, 2011.
  • [10] CROSS, Nigel. Engineering design methods: strategies f or product design. John Wiley & Sons, 2008.
  • [11] DIRKSEN, Julie. Design for how people learn. New Riders, 2012.
  • [12] FAYYAD, Usama; PIATETSKY-SHAPIRO, Gregory; SMYTH, Padhraic. From data mining to knowledge discovery in databases. AI magazine, 17(3), p.37, 1996.
  • [13] GOODMAN, Elizabeth; KUNIAVSKY, Mike; MOED, Andrea. Observing the User Experience: A Practitioner’s Guide to User Research (2nd ed.). Morgan Kaufmann Publishers Inc., San Francisco, CA, USA, 2012.
  • [14] GRELLER, Wolfgang; DRACHSLER, Hendrik. Translating Learning into Numbers: A Generic Framework for Learning Analytics. Educational technology & society 15(3), p.42-57, 2012.
  • [15] GUYON, Isabelle; ELISSEEFF, André. An introduction to variable and feature selection. The Journal of Machine Learning Research v. 1, n. 3 , p. 1157-1182, 2003.
  • [16] JONES, John Christopher. Design methods. (2nd ed.) John Wil ey & Sons. Nova Iorque, 1992.
  • [17] KENT, Carmel et al. Interactivity in online discussions and learning outcomes. Computers & Education, 97, pp.116-128, 2016.
  • [18] MACFADYEN, L. P.; DAWSON, S. Mining LMS data to develop an “early warning system” for educators: A proof of concept. Computers and Education, v. 54, n. 2, p. 588–599, 2010.
  • [19] MATTAR, João. Design educacional: educação a distância na prática. São Paulo: Artesanato Educacional, 2014.
  • [20] NORMAN, Donald A.; VERGANTI, Roberto. Incremental and radical innovation: Design research vs. technology and meaning change. Design Issues, v. 30, n. 1, p. 78-96, 2014.
  • [21] NUNES, I. D.; SCHIEL, U. Utilização de Grafo de Alcançabilidade para a verificação de Design Instrucional bem formado. XXXIII CONGRESSO DA SOCIEDADE BRASILEIRA DE COMPUTAÇÃO. Anais... . p.1396–1405, 2013. Maceió, Brazil.
  • [22] OGLIARI, Andre et al. Projeto integrado de produtos: planejamento, Concepção e Modelagem. Manole, São Paulo 2008.
  • [23] OHSAWA, Yukio; KATSUTOSHI, Yada. Data mining for design and marketing. CRC Press, 2009.
  • [24] PAHL, C; DONNELLAN, D. Data mining technology for the evaluation of web-based teaching and learning systems. Int. Conference on E-Learning in Business, Government and Higher Education, 2002.
  • [25] PALLOFF, Rena M.; PRATT, Keith. O Aluno Virtual-um guia para trabalhar com estudantes on-line. Penso Editora. Porto Alegre, 2004.
  • [26] PEÑA-AYALA, A. Educational data mining: A survey and a data mining-based analysis of recent works. Expert Systems with Applications, v. 41, n. 4 PART 1, p. 1432–1462, 2014.
  • [27] PEÑA-AYALA, A. Educational Data Mining: Applications and Trends. Vol. 524. Springer, 2013.
  • [28] RICCI, Francesco; ROKACH, Lior; SHAPIRA, Bracha. Introduction to recommender systems handbook. Springer US, 2011.
  • [29] ROHRER, Christian. When to use which user experience research methods. Jakob Nielsen’s alertbox, October, 2014. Disponível na internet por http em: <https://www.nngroup.com/articles/ which-ux-research-methods/>. Acesso em 09/06/2016.
  • [30] ROLIM, Vitor B.; CORDEIRO, Filipe Rolim; FERREIRA, Rafael. Reconhecimento de Padrões Aplicados a Comentários de Fóruns Educacionais. Centro de Informática, UFPE ,João Pessoa. 2014.
  • [31] ROMERO, C.; VENTURA, S.; PECHENIZKIY, M.; BAKER, R. S. J. d. Handbook of Educational Data Mining. Boca Raton: Chapman & Hall/CRC Press, 2011.
  • [32] SANTOS, Antonio. Bringing Reality into the Classroom. Instructional Design: Concepts, Methodologies, Tools and Applications. IGI Global, 219-237, 2011.
  • [33] SIEGEL, E. Predictive analytics. Hoboken: John Wil ey & Sons, Inc., 2013.
  • [34] SNELBECKER, G. E.; MILLER, S. M.; ZHENG, R. Z. Functional Relevance and Online Instructional Design. Instructional Design: Concepts, Methodologies, Tools and Applications.IGI Global, 342-358, 2011.
  • [35] USABILITY Consulting Services. User Centered Design Methods. Indiana University, 2002. Disponível na internet por http em: <http://www.indiana.edu/~usable/presentations/ucd_methods. pdf>. Acesso em 09/06/2016.
  • [36] VON HIPPEL, Eric. Democratizing innovation: the evolving phenomenon of user innovation. International Journal of Innovation Science, v. 1, n. 1, p. 29-40. Cambridge, 2009.
  • [37] VREDENBURG, Karel, et al. A survey of user-centered design practice. Proceedings of the SIGCHI conference on Human factors in computing systems. ACM, 2002.
  • [38] WITTEN, I. H.; FRANK, E. Data Mining: Practical machine learning tools and techniques. Morgan Kaufmann, 2005.
Como citar:

Bandeira, Michele; Santos, Natália Braulio dos; Ribeiro, Vinicius Gadis; Gavião Neto, Wilson Pires; "MINERAÇÃO DE DADOS: A NOVA MANEIRA DE COMPREENDER O COMPORTAMENTO DO USUÁRIO DO ENSINO A DISTÂNCIA", p-2536-2548. In: Anais do 12º Congresso Brasileiro de Pesquisa e Desenvolvimento em Design [= Blucher Design Proceedings, v. 9, n. 2]. São Paulo: Blucher, 2016.
ISSN 23186968, DOI 10.5151/despro-ped2016-0217

últimos 30 dias

137
downloads

352
visualizações

804
indexações