Um Sistema Proativo para Monitoramento e Avaliação das Atividades de Tutoria a Distância em AVAs

O uso dos Ambientes Virtuais de Aprendizagem (AVAs) na Educacao a Distância (EaD) tem gerado um crescente volume de dados provenientes de interacoes entre os atores desse processo. O tutor a distância e o ator responsavel por mediar o processo de aprendizagem dos alunos e por promover a interacao nos AVAs. O volume de dados gerado a partir dessas interacoes, se devidamente explorado, pode fornecer o entendimento sobre a relacao de influencia entre o desempenho dos tutores a distância e a participacao efetiva de alunos em AVAs. Diante deste contexto, delimitou-se o objetivo de pesquisa desta tese como sendo o desenvolvimento de um sistema proativo para monitoramento e avaliacao das atividades de tutoria a distância, por meio de indicadores comportamentais em AVAs. O metodo utilizado nesta pesquisa foi baseado na metodologia de Learning Analytics de seis dimensoes, onde foram definidos os interessados, os objetivos, os dados, os instrumentos, as restricoes externas e as limitacoes internas. As analises foram realizadas por meio de dados historicos advindos de um curso tecnologo e de dez cursos de graduacao ofertados pela Secretaria de Educacao a Distância da Universidade Federal do Rio Grande do Norte. Ao todo, foram utilizadas tres amostras. A primeira amostra foi composta por informacoes de 38 tutores a distância e a segunda amostra foi composta por informacoes de 2.227 alunos, sendo os dados das duas amostras pertencentes a 62 turmas. Ja a terceira amostra foi composta por informacoes de 353 tutores a distância, pertencentes a 1.281 turmas. Como principais resultados desta tese, tem-se: (i) construcao de um modelo de conhecimento (ontologia) capaz de mapear as relacoes existentes entre os atributos comportamentais dos tutores a distância e a participacao efetiva dos alunos, por meio do Coeficiente de Correlacao de Pearson; (ii) construcao de um Web Service capaz de processar as informacoes relacionadas aos atributos dos tutores a distância, classificar os seus desempenhos por meio das tecnicas k-Means e Farthest First e fazer recomendacoes com base no modelo de conhecimento; e (iii) criacao de um plugin para o Moode que permite a visualizacao dos dados processados pelo Web Service e que serve como subsidio para os gestores dos referidos cursos.