Usando regras de associação para a identificação de falhas conceituais

Offer adapted teaching to the cognitive profile of the apprentice is a task that still unresolved in your completeness. In this paper is presented a strategy for getting the concepts not assimilated by a group of students in a learning event, using for this, association rules of data mining applied to conceptual maps. Resumo. Oferecer ensino adaptado ao perfil cognitivo do aprendiz é uma tarefa ainda não resolvida em sua completude. Neste artigo é apresentada uma estratégia para obtenção dos conceitos não assimilados por um grupo de estudantes num evento de aprendizagem, utilizando para isto, regras de associação da mineração de dados aplicadas à mapas conceituais. 1. Introdução Oferecer ensino adaptado ao perfil cognitivo do aprendiz é uma tarefa ainda não resolvida em sua completude, apesar de diferentes técnicas já haverem sido utilizadas. Visando preencher essa lacuna, utilizou-se como técnica as regras de associação da mineração de dados, adaptada ao contexto de mapas conceituais para obtenção do conjunto de conceitos não assimilados por um grupo de aprendizes. A intenção é que, posteriormente, esses conceitos sejam trabalhados de modo a nivelar o aprendizado coletivo, sem comprometer ou prejudicar a particularidade de cada aluno. A mineração de dados é o processo de análise de conjuntos de dados que podem ser originados de diferentes fontes e tem por objetivo a descoberta de padrões interessantes que possam representar informações úteis, utilizando para isso diferentes técnicas. Ela não é um conceito essencialmente novo, entretanto, devido ao avanço da tecnologia relacionada ao processamento de informação, tornou-se ainda mais evidente nas últimas décadas pela diversidade de sua aplicação em atividades diárias. Esse conceito, pelo fato de ser interdisciplinar e não se restringir a uma única área, está presente em diversos contextos com diferentes aplicações. Segundo [Han, Kamber & Pei 2011], a mineração de dados é parte do processo de descoberta de conhecimento que contempla uma sequência iterativa dos passos de limpeza de dados, integração de dados, seleção de dados, transformação de dados, a própria mineração de dados, avaliação de padrões e apresentação do conhecimento. Nesse contexto, dispõe-se de algumas técnicas, [Han, Kamber & Pei 2011] e [Amo 2004] que podem ser usadas de acordo com a finalidade, tais como associações, predições, regressões, clusterizações e suas variações. DOI: 10.5753/cbie.sbie.2018.1443 1443 Anais do XXIX Simpósio Brasileiro de Informática na Educação (SBIE 2018) VII Congresso Brasileiro de Informática na Educação (CBIE 2018)