Uma abordagem para detecção automática de estilos de aprendizagem de estudantes utilizando mineração de dados

Abstract

Utilizados pelas Instituições Educacionais os Sistemas de Gerenciamento de Aprendizagem, como o Moodle, são ferramentas importantes no processo de ensino-aprendizagem e a cada dia que passa ganham mais adeptos. Essa popularização deve-se ao fato destes softwares serem em sua maioria intuitivos e de fácil manuseio. No entanto, grande parte desses sistemas, mesmo vindo acompanhados de vários benefícios, possuem uma certa ”deficiência”, uma vez que fornecem os conteúdos de iguais maneiras e formatos a todos os seus usuários. Sendo assim, considerando que indivíduos possuem preferências e características diferentes, a absorção dos conteúdos ofertados através destas plataformas pelos aprendizes pode não ser a ideal. De acordo com diversos estudiosos se o Estilo de Aprendizagem de determinado estudante for conhecido, é possível apresentar as ferramentas e os Objetos de Aprendizagem que melhor se adéquam ao seu perfil de aprendizagem, e provavelmente sua aprendizagem será facilitada. Neste sentido, e baseando-se no Modelo de Estilos de Aprendizagem de Felder e Silverman, esta pesquisa apresenta uma abordagem capaz de descobrir o Estilos de Aprendizagem de alunos automaticamente. Para que o objetivo fosse alcançado, foram aplicados conceitos e técnicas de Mineração de Dados. Os vários testes realizados apresentaram bons resultados, e apontam que a abordagem proposta pode ser promissora na detecção de Estilo de Aprendizagem de estudantes.