Resumo

Com o avanço das tecnologias educacionais, os Ambientes Virtuais de Aprendizagem (AVAs) tornaram-se essenciais para a promoção de novos métodos de ensino e aprendizagem, especialmente na educação a distância e em contextos híbridos. Esses ambientes permitem que os alunos acessem conteúdos educacionais, realizem atividades e interajam com colegas e professores de maneira flexível e personalizada. Nesse contexto, a Aprendizagem Autorregulada (SRL) destaca-se como uma competência-chave, pois capacita os alunos a gerenciar e direcionar de forma autônoma seu próprio processo de aprendizagem. Este estudo propõe o desenvolvimento de uma Arquitetura Pedagógica (AP) apoiada por Inteligência Artificial (IA) para fomentar a SRL em AVAs, com o objetivo de promover maior autonomia e engajamento dos estudantes. A pesquisa foi estruturada em três fases principais. Na primeira fase, foram analisados os dados do Open University Learning Analytics Dataset (OULAD), um conjunto de dados amplamente utilizado em pesquisas educacionais, por fornecer informações detalhadas sobre o comportamento dos estudantes em um AVA. Essa análise permitiu a identificação de padrões de comportamento, níveis de engajamento e correlações entre o uso de recursos do ambiente e o desempenho acadêmico. A aplicação de técnicas de Mineração de Dados Educacionais (EDM) possibilitou a segmentação dos estudantes em grupos com base em suas interações e perfis de aprendizagem. Na segunda fase, foram analisados dados reais coletados na plataforma Moodle do IFSULDEMINAS - Campus Carmo de Minas, com o objetivo de validar, em um contexto de ensino real, as correlações entre engajamento e desempenho acadêmico identificadas na fase anterior. A terceira e última fase concentrou-se no desenvolvimento da AP, com ênfase na promoção da SRL. Essa fase incluiu a criação de ferramentas tecnológicas, como o plugin Time Tracker SRL, integrado ao Moodle, que permite monitorar o tempo que os estudantes dedicam às atividades avaliativas e fornecer feedback automatizado. Além disso, outros plugins foram implementados para auxiliar os estudantes em seu processo de autorregulação. Os resultados obtidos mostram que a AP desenvolvida teve um impacto significativo na promoção da SRL entre os estudantes. A análise dos dados do OULAD e do Moodle, utilizando técnicas de EDM como K-Means, HDBSCAN e Clustering Aglomerativo, permitiu a identificação de diferentes perfis de autorregulação dos estudantes. Foi observada uma correlação positiva entre os níveis de engajamento nas atividades do AVA e o desempenho acadêmico, indicando que os estudantes mais engajados tendem a obter melhores resultados. Além disso, a implementação do Time Tracker SRL facilitou o monitoramento do tempo dedicado às atividades avaliativas, proporcionando feedback automatizado que ajudou os estudantes a gerenciar seu tempo e refletir sobre suas práticas de aprendizagem. Os próximos passos do trabalho consistem na validação da AP. Será realizada uma análise dos resultados dos questionários de autorregulação. Além disso, serão realizadas entrevistas com um grupo focal composto por estudantes que participaram do curso de Introdução à Python. Posteriormente, será realizada uma classificação detalhada dos atributos coletados na AP, com base na teoria da SRL. Isso permitirá uma compreensão mais profunda de como os diferentes aspectos do curso contribuem para o desenvolvimento de habilidades de autorregulação. Finalmente, será conduzida uma análise para correlacionar os autorrelatos dos estudantes com os resultados obtidos, visando identificar possíveis relações entre a percepção de aprendizagem e os dados coletados.

Link para a defesa:

meet.google.com/yvb-rcqc-vse