Navegando por Orientadores "Mello, Rafael Ferreira Leite de"

Agora exibindo 1 - 7 de 7

Agrupamento automático de mensagens em fóruns educacionais
(2022-06-08) Pereira, Fabio Mariano Costa Silva Gomes; Mello, Rafael Ferreira Leite de; http://lattes.cnpq.br/6190254569597745; http://lattes.cnpq.br/8040322704977339
Virtuais de Aprendizagem trazem inúmeras vantagens quando a questão é facilitar o acesso a informação. Porém, um problema comum que dificulta o acompanhamento dos professores e, sobretudo, o envio de feedback, devido a maior quantidade de alunos por turma, quando comparado com o ensino presencial, é a sobrecarga de informações. Com intuito de mitigar isto, este artigo realiza agrupamentos utilizando os algoritmos K-Means, K-Medoids, DB Scan e o Aglomerativo em 1652 postagens de 4 fóruns educacionais diferentes de um curso superior a fim de agrupar as mensagens semelhantes para auxiliar o professor, tendo que lidar com uma quantidade menor de informação. Em cada postagem, extrai características e aplica técnicas de PLN, além de utilizar uma representação vetorial para o texto das postagens. Por fim, avalia a qualidade de cada agrupamento utilizando as métrica: coeficiente de silhueta e Davies-Boulding.
Análise da evasão no ensino superior: predição e prevenção por meio da mineração de dados educacionais
(2024-03-05) Ferreira, Rodolfo André Barbosa; Mello, Rafael Ferreira Leite de; http://lattes.cnpq.br/6190254569597745; http://lattes.cnpq.br/2982020271806247
Tendo em vista que a evasão ocorre por abandono, transferência ou desistência do curso; quando o aluno se desliga da instituição que está matriculado ou quando o aluno abandona definitivamente ou não o curso superior, este artigo busca identificar métodos e técnicas automáticas para auxiliar os gestores a prevenir casos de evasão por meio das predições. Para realizar o estudo foi utilizada a Mineração de Dados Educacionais (MDE), que aplica técnicas de mineração de dados, tais como banco de dados, estatísticas e aprendizado de máquina nas áreas da educação. Foram empre- gues dados de 5144 alunos com características relacionadas ao curso, semestre e demografia constantes no banco de dados fornecido pelo Sistema de Informações e Gestão Acadêmica (SIGA) da Universidade Federal Rural de Pernambuco (UFRPE) para os cursos de Zootecnia, Engenharia de Pesca e Agronomia. Os dados, exceto aqueles que são informações pessoais, restritas e sensíveis, foram separados em Ca- racterísticas Acadêmicas por Semestre, Acadêmicas Gerais, dos Cursos, Demográficas e Característica alvo. O estudo usa o algoritmo de aprendizado de máquina LSTM e os otimizadores SGD e Adam, explorando diferentes valores para os parâmetros de taxa de aprendizagem, momentum, tamanho de lotes e número de épocas.
Coh-Metrix PT-BR: uma API web de análise textual para à educação
(2021-03-02) Salhab, Raissa Camelo; Mello, Rafael Ferreira Leite de; http://lattes.cnpq.br/6190254569597745; http://lattes.cnpq.br/6761163457130594
O CohMetrix é um sistema computacional que provê diferentes medidas de análise textual incluindo legibilidade, coerência e coesão textual. Essas medidas permitem uma análise mais profunda de diferentes tipos de textos educacionais como redações, respostas de perguntas abertas e mensagens em fóruns educacionais. Este artigo apresenta o protótipo, site e API, com a adaptação das medidas do CohMetrix para a língua portuguesa do Brasil.
Elaboração do conjunto de dados agregados do censo da educação básica
(2022-10-07) Barros, Abílio Nogueira; Mello, Rafael Ferreira Leite de; http://lattes.cnpq.br/6190254569597745; http://lattes.cnpq.br/2576549853650823
O Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira (INEP) disponibiliza o Censo da Educação Básica, o maior levantamento anual de dados sobre a educação brasileira. Os dados são disponibilizados anualmente e com cerca de 370 colunas e pouco mais de 230 mil registros por ano. Este trabalho apresenta o processo que foi utilizado para criar um conjunto de dados que unificasse os anos de 2010-2021 e o disponibilizasse de forma a garantir boas práticas de disponibilização de dados na web. Foi gerado um conjunto de dados abrangendo todos os anos mencionados, posteriormente dividido em subconjuntos dada a natureza dos dados apresentados.
Tutoria: Plataforma para suporte à correção de atividades e envio de feedback personalizado
(2023-04-19) Lima Neto, José Rodrigues de; Mello, Rafael Ferreira Leite de; http://lattes.cnpq.br/6190254569597745; http://lattes.cnpq.br/7813436627139390
O feedback dado por professores a estudantes sobre atividades avaliativas é fundamental para a construção do conhecimento e compreensão acerca de sua trajetória de aprendizagem. Entretanto, frequentemente professores não conseguem fornecer feedback de qualidade e em tempo hábil, devido à sobrecarga de trabalho e à falta de tempo, gerando frustração para todos os envolvidos. Neste contexto, a plataforma Tutoria tem o objetivo de apoiar professores na correção de atividades avaliativas de maneira mais rápida, mantendo a qualidade e a personalização. Para isso, Tutoria utiliza técnicas de inteligência artificial para dar suporte na correção de questões discursivas, priorizando a usabilidade.
Understanding CSCL Peer Feedback Contributions: An Automated Content Analysis Approach
(2023-03-23) Castro, Mayara Simões de Oliveira; Mello, Rafael Ferreira Leite de; http://lattes.cnpq.br/6190254569597745; http://lattes.cnpq.br/6874213447584388
Peer feedback has been widely used in computer-supported collaborative learning (CSCL) setting to improve students’ engagement with massive courses. Although the peer feedback process increases students’ self-regulatory practice, metacognition, and academic achievement, instructors need to go through large amounts of feedback text data which is much more time-consuming. To address this challenge, the present study proposes an automated content analysis approach to identify relevant categories in peer feedback based on traditional and sequence-based classifiers using TF-IDF and content-independent features. We use a data set from an extensive course (N = 231 students) in the setting of engineering higher education. In particular, a total of 2,444 peer feedback messages were analyzed. The results have shown promising outcomes with both TF-IDF and content-independent features. The Conditional Random Fields (CRF) classification model based on the TF-IDF features achieved the best performance, considering all the metrics computed in the analysis. The results illustrate that the ability to scale up the automatic analysis of peer feedback provides new opportunities for student improved learning and improved teacher support in higher education at scale.
Utilização de processamento de linguagem natural para identificação do domínio da escrita formal em redações da língua portuguesa
(2020-12-07) Araujo, Viviane Barbosa de; Mello, Rafael Ferreira Leite de; http://lattes.cnpq.br/6190254569597745; http://lattes.cnpq.br/5293423783550464
No Brasil, o principal meio de ingressar em uma universidade pública ou privada é através do Exame Nacional do Ensino Médio, o ENEM. Esse exame exige que o candidato possua a habilidade de redigir um bom texto dissertativo-argumentativo de acordo com a norma formal da língua portuguesa, podendo ser eliminado do exame caso não cumpra esse requisito. Com o objetivo de ajudar o candidato a identificar os seus erros e ajudar no processo de escrita de uma boa redação, este artigo propõe a implementação de uma ferramenta capaz de identificar os erros ortográficos e gramaticais de um texto utilizando técnicas de Processamento de Linguagem Natural (PLN). A análise das ferramentas mostrou que os resultados obtidos pela pesquisa são promissores, principalmente em relação à identificação de erros gramaticais.