English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

The growth of distance education in Brazil is stimulating the development of solutions to motivate students, minimize evasion and enhance student performance. Data gathered in virtual learning environments (AVA) have been considered to extract behavioral patterns and use them to improve performance. AVAs have been improved to process information and suggest strategies that enhance the level of student learning. This work develops a recommendation model based on auto-regulation patterns of learning in AVAs with the employment of machine learning and data mining algorithms. A software platform to recommend education activities was built to (1) analyze the performance of students according to a score; (2) extract behavior characteristics which influence performance, and (3) recommend actions to improve student performance. Experiments conducted with a database of more than 30.000 students of a Brazilian university, with several performance metrics, showed the proposed solution was capable of capturing learning profiles with over 0.95 AUROC (Area under the Roc Curve). 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. DOI: 10.5753/cbie.sbie.2017.1557 1557 Anais do XXVIII Simpósio Brasileiro de Informática na Educação (SBIE 2017) VI Congresso Brasileiro de Informática na Educação (CBIE 2017)

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