PPGECMaT - Mestrado em Educação em Ciências, Matemática e Tecnologia (Dissertações)

Permanent URI for this collectionhttps://repositorio.ufvjm.edu.br/collections/1b27967a-f431-4aad-b47f-5f3ec53f057e

Browse

Now showing 1 - 2 of 2

Ciência de dados aplicada ao PISA 2018
(UFVJM, 2022) Andrade, Rochelly Fernandes; Andrade, Alessandro Vivas; Universidade Federal dos Vales do Jequitinhonha e Mucuri (UFVJM); Andrade, Alessandro Vivas; Andrade, Helen Rose de Castro Silva; Brandão, Diego Nunes; Pitangui, Cristiano Grijó
A educação está presente e ligada a várias áreas de interesse público. Sabendo-se dessa importância, Avaliações em Larga Escala são aplicadas em diversos países, objetivando servirem de indicadores desses quadros educacionais, bem como, monitorar as habilidades cognitivas relacionadas à literacia e à numeracia. O presente estudo aplicou técnicas de Ciência de Dados, uma área multidisciplinar, que envolve, principalmente aprendizado de máquina e estatística, sobre dados coletados pelo questionário aplicado aos professores durante a Avaliação em Larga Escala do Programa Internacional de Avaliação de Estudantes, edição 2018. O trabalho buscou identificar quais características, coletadas pelo questionário aplicado aos professores, têm mais impacto sobre o desempenho dos alunos nas avaliações de matemática e ciências. O trabalho aplicou dois modelos de aprendizado supervisionado, o Decision Tree e o Random Forest, nos quais a variável dependente foi elaborada com base nas notas médias dos países participantes e nos níveis de proficiência. Os modelos foram aplicados implementando o algoritmo CART com critério de classificação Gini, na qual os dados foram divididos através da técnica Holdout com 70% dos dados para treinamento e 30% para teste. A seleção de atributos foi realizada aplicando o método Recursive Feature Elimination, que reduziu a quantidade de atributos de 167 para 83. As instâncias com dados faltantes não foram utilizadas nesta pesquisa. O Matthews Correlation Coefficient-MCC avaliou a qualidade geral dos modelos sendo utilizado como principal meio de comparação de desempenho de classificação, tendo em vista a constatação de desbalanceamento das classes. Com o MCC observou-se que, de maneira geral que o Random Forest obteve os melhores desempenhos com 0,76 para o teste de matemática e 0,71 para ciências. Com o modelo gerado pelo algoritmo Random Forest, foram identificadas as principais características influenciadoras de desempenho, em que se destacaram características relacionadas à tecnologia, incentivo dado aos alunos pelos professores, motivação e valorização do aprendizado e capacitação dos professores.
Sala de Aula Invertida para Cálculo I: uma análise desta metodologia sob a perspectiva dos estilos de aprendizagem e da recomendação personalizada de objetos de aprendizagem
(UFVJM, 2022) Jesus, Rodiney Oliveira de; Andrade, Alessandro Vivas; Universidade Federal dos Vales do Jequitinhonha e Mucuri (UFVJM); Andrade, Alessandro Vivas; Lannes, Wagner; Dorça, Fabiano Azevedo
A disciplina Cálculo Diferencial e Integral I é uma das principais responsáveis pelas altas taxas de reprovação e de evasão, principalmente dos calouros, especialmente nos cursos na área de exatas. Existem vários estudos realizados a fim de encontrar estratégias que possam diminuir os altos índices de reprovação dos alunos nessa disciplina. Há pesquisadores que afirmam que parte das dificuldades encontradas na aprendizagem do Cálculo podem ser imputadas, parcialmente, às divergências entre os perfis cognitivos dos estudantes e o método de ensino adotado pelo professor. Portanto, torna-se importante trabalhar com estratégias que considerem os Estilos de Aprendizagem (EA) e as preferências de aprendizagem dos discentes, bem como estratégias metodológicas que visam atender os diferentes EA, como à metodologia ativa Sala de Aula Invertida (SAI). No entanto, ainda pouco se sabe se a metodologia SAI pode atender os diferentes EA e preferências de aprendizagem existentes. Assim, o presente trabalho tem como foco o estudo das potencialidades e limitações da Sala de Aula Invertida, sob a ótica dos Estilos de Aprendizagem (EA) e das preferências de aprendizagem. Para isso, foram aplicados três questionários para alunos matriculados na disciplina Cálculo I, no período de 2021/1, da Universidade Federal dos Vales do Jequitinhonha e Mucuri (UFVJM), campus JK. Por meio dos questionários, foram coletados dados sobre os EA e as preferências de aprendizagem dos estudantes, além da avaliação do ambiente virtual proposto para a SAI. A partir dos perfis, Objetos de Aprendizagem (OA) foram personalizados e recomendados a partir de uma proposta de Sistema de Recomendação (SR) que fora disponibilizado no ambiente virtual. A análise principal consistiu em identificar se os diversos perfis de aprendizagem dos participantes poderiam ser atendidos pela metodologia SAI. Os resultados mostram que a metodologia em comento teria grande potencial motivador e instrucional para os participantes da pesquisa, caso estivessem sendo submetidos a ela no curso de Cálculo I, considerando, principalmente, os estilos de aprendizagem predominantes. No entanto, há de ressaltar que existem algumas limitações, como a dificuldade em encontrar uma diversidade de OA que possam atender os vários perfis existentes e a possibilidade de alguns estilos serem menos favorecidos do que os demais nessa metodologia.