CEDIS Logo
CEDIS

Learning Analytics e Gestão Educacional

Learning Analytics é uma área interdisciplinar que une análise de dados, ciência da computação e psicologia educacional para melhorar a aprendizagem e os ambientes educacionais. Ao coletar, analisar e interpretar dados sobre os aprendizes e seus contextos, oferece insights para personalizar a educação, identificar alunos que precisam de mais apoio e melhorar os resultados educacionais. Na gestão educacional, é essencial para fornecer dados importantes para decisões sobre recursos e estratégias de ensino, ajudando a identificar tendências e necessidades futuras. Sua integração representa uma mudança significativa na educação, tornando-a mais orientada a dados, responsiva e centrada no estudante.

Sobre os coordenadores da área

Prof. Sergio Antônio Andrade de Freitas

Pesquisador no campo da Learning Analytics e Gestão Educacional, é professor Titular da Universidade de Brasília - UnB. Além de ser docente no curso de Engenharia de Software, desempenhou um papel significativo em várias funções administrativas dentro e fora da UnB, incluindo presidente do Fórum Nacional de Pró-reitores de Graduação (ForGRAD), Decano (Pró-reitor) de Ensino de Graduação e diretor do Centro de Educação a Distância (CEAD). Atualmente, ele é membro ativo do corpo docente do Programa de Pós-graduação em Computação Aplicada (PPCA), dedicando-se intensamente à pesquisa em Metodologias Ativas nas áreas de Engenharia, Computação e Learning Analytics​​. 
Mais sobre o coordenador

Profa. Cristiane Soares Ramos

Acadêmica na área de Learning Analytics e Gestão Educacional. Atua como professora no curso de Engenharia de Software da Universidade de Brasília, onde se destaca por sua abordagem inovadora e compromisso com a qualidade de ensino e pesquisa. Sua especialização em Gestão do Conhecimento e Tecnologia da Informação, com foco na qualidade de software, a posiciona na vanguarda da integração de tecnologias educacionais e análise de dados no processo de aprendizagem. 
Mais sobre a coordenadora

Equipe de pesquisa

Mestrado

Pesquisadores anteriores

Mestrado

  1. Edmilson Cosme da Silva, Previsão da evasão acadêmica no ensino superior - o caso dos cursos de graduação presencial da Universidade de Brasília . Dissertação (Mestrado Profissional em Computação Aplicada) - UnB, 2023 Orientador(es): Sergio Freitas . Tags: Análise da Aprendizagem, Aprendizado de Máquina .
    Pesquisadores têm investigado a evasão no ensino superior, identificando duas categorias - alunos que deixam a universidade e aqueles que abandonam o ensino superior, afetando negativamente instituições, estudantes e sociedade. Desde 1995, no Brasil, a criação da ANDIFES intensificou estudos sobre diplomação, retenção e evasão em universidades brasileiras, focando na evasão institucional, caracterizada pela desistência do aluno do curso original. A Universidade de Brasília (UnB) implementou estratégias para aumentar a permanência estudantil. Este trabalho visou desenvolver e testar um modelo de análise para prever a evasão em cursos presenciais, através de uma Revisão Sistemática da Literatura para identificar fatores de impacto e definir indicadores extraídos de sistemas acadêmicos da UnB. O modelo, denominado MAGRA, combina indicadores com algoritmos de aprendizado de máquina, visando identificar alunos em risco de evasão. Testes realizados na Faculdade do Gama (FGA) e na UnB indicaram que a frequência de matrícula em disciplinas pode prever dificuldades de conclusão. A pesquisa sugere que para aprimorar a identificação de alunos em risco, são necessários ajustes nos mecanismos de feedback, inclusão de novos sistemas, melhoria na qualidade dos dados e nos parâmetros dos algoritmos.

Trabalho de conclusão de curso

  1. Allan Nobre, Utilização de Learning Analytics e Educational Data Mining no apoio a decisões pedagógicas durante a aplicação da metodologia TBL . Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Software) - UnB, 2023 Orientador(es): Cristiane Ramos . Tags: Análise da Aprendizagem, Educação .
  2. Amanda Emilly Muniz de Menezes, Identificação de fatores que afetam a Evasão no Ensino Superior . Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Software) - UnB, 2022 Orientador(es): Cristiane Ramos, Sergio Freitas . Tags: Educação, Análise da Aprendizagem .
    A identificação de fatores que influenciam a evasão acadêmica é vital para que as coordenações possam tomar medidas preventivas contra a desistência estudantil. Esta monografia tem como objetivo explorar o estado atual da pesquisa na área, buscando compreender os principais fatores associados à evasão acadêmica e sua aplicabilidade em modelos preditivos de evasão. Realizou-se uma pesquisa quantitativa, exploratória e explicativa de caráter aplicado, utilizando técnicas de estudo de caso e revisão bibliográfica. A análise sistemática da literatura indicou que a evasão pode ser prevista por meio de fatores acadêmicos, demográficos e de aprendizagem. Utilizando esses fatores, modelos preditivos foram desenvolvidos com o auxílio de algoritmos de aprendizado de máquina, cujas previsões se mostraram sensíveis às alterações no fluxo dos cursos. Conclui-se que os fatores acadêmicos, demográficos e de aprendizagem são eficazes na predição de evasão, sendo importante a seleção e o modo de aplicação desses fatores para alcançar resultados preditivos precisos. Além disso, a aplicação de fatores acadêmicos em modelos preditivos exige consideração do contexto específico dos dados analisados.
  3. Letícia Karla Soares Rodrigues de Araújo, Identificação de fatores que afetam a Evasão no Ensino Superior . Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Software) - UnB, 2022 Orientador(es): Cristiane Ramos, Sergio Freitas . Tags: Educação, Análise da Aprendizagem .
    A identificação de fatores que influenciam a evasão acadêmica é vital para que as coordenações possam tomar medidas preventivas contra a desistência estudantil. Esta monografia tem como objetivo explorar o estado atual da pesquisa na área, buscando compreender os principais fatores associados à evasão acadêmica e sua aplicabilidade em modelos preditivos de evasão. Realizou-se uma pesquisa quantitativa, exploratória e explicativa de caráter aplicado, utilizando técnicas de estudo de caso e revisão bibliográfica. A análise sistemática da literatura indicou que a evasão pode ser prevista por meio de fatores acadêmicos, demográficos e de aprendizagem. Utilizando esses fatores, modelos preditivos foram desenvolvidos com o auxílio de algoritmos de aprendizado de máquina, cujas previsões se mostraram sensíveis às alterações no fluxo dos cursos. Conclui-se que os fatores acadêmicos, demográficos e de aprendizagem são eficazes na predição de evasão, sendo importante a seleção e o modo de aplicação desses fatores para alcançar resultados preditivos precisos. Além disso, a aplicação de fatores acadêmicos em modelos preditivos exige consideração do contexto específico dos dados analisados.
  4. Yeltsin Suares Gama, Sistema de apoio ao aprendizado. . Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Software) - UnB, 2017 Orientador(es): Sergio Freitas . Tags: Análise da Aprendizagem, Inteligência Artificial .

Projetos em andamento

Publicações e produções

Publicações (16)

  1. Éber Júnio Borges Moreira,Sergio Antônio Andrade Freitas, A CP-SAT Approach for Academic Resource Timetabling in Higher Education Institutions: A Case Study at a Major Public University , in IEEE International Conference on IT in Higher Education and Training (ITHET 2024) , pTo appear, 2024 . Tags: Aprendizado de Máquina, Análise da Aprendizagem .
  2. Sergio Antônio Andrade Freitas,Cristiane S. Ramos,Eduardo Bessa Pereira da Silva,Marcia Renata Mortari,Dianne Magalhaes Viana, Implementing Neuroscientific Principles in Gamified Software Engineering Courses , in Frontiers in Education 2024 , pTo appear, 2024 . Tags: Aprendizagem Ativa, Análise da Aprendizagem, Gamificação .
  3. RAMOS, C. S.,VIANNA, D. M.,BESSA, E.,MORTARI, M. R.,FREITAS, S. A. A., Indicadores de aprendizagem , Biblioteca Central da Universidade de Brasília, 2023 . Tags: Análise da Aprendizagem, Aprendizagem Ativa .
  4. SILVA, E. C.,FREITAS, S. A. A.,RAMOS, C. S.,MENEZES, A. E. M.,ARAUJO, L. K. S. R., A systematic review of the factors that impact the prediction of retention and dropout in higher education , in 56th Hawaii International Conference on System Science , 2023 . Tags: Análise da Aprendizagem, Aprendizado de Máquina .
  5. Edmilson Cosme da Silva, Previsão da evasão acadêmica no ensino superior - o caso dos cursos de graduação presencial da Universidade de Brasília . Dissertação (Mestrado Profissional em Computação Aplicada) - UnB, 2023 Orientador(es): Sergio Freitas . Tags: Análise da Aprendizagem, Aprendizado de Máquina .
    Pesquisadores têm investigado a evasão no ensino superior, identificando duas categorias - alunos que deixam a universidade e aqueles que abandonam o ensino superior, afetando negativamente instituições, estudantes e sociedade. Desde 1995, no Brasil, a criação da ANDIFES intensificou estudos sobre diplomação, retenção e evasão em universidades brasileiras, focando na evasão institucional, caracterizada pela desistência do aluno do curso original. A Universidade de Brasília (UnB) implementou estratégias para aumentar a permanência estudantil. Este trabalho visou desenvolver e testar um modelo de análise para prever a evasão em cursos presenciais, através de uma Revisão Sistemática da Literatura para identificar fatores de impacto e definir indicadores extraídos de sistemas acadêmicos da UnB. O modelo, denominado MAGRA, combina indicadores com algoritmos de aprendizado de máquina, visando identificar alunos em risco de evasão. Testes realizados na Faculdade do Gama (FGA) e na UnB indicaram que a frequência de matrícula em disciplinas pode prever dificuldades de conclusão. A pesquisa sugere que para aprimorar a identificação de alunos em risco, são necessários ajustes nos mecanismos de feedback, inclusão de novos sistemas, melhoria na qualidade dos dados e nos parâmetros dos algoritmos.
  6. Allan Nobre, Utilização de Learning Analytics e Educational Data Mining no apoio a decisões pedagógicas durante a aplicação da metodologia TBL . Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Software) - UnB, 2023 Orientador(es): Cristiane Ramos . Tags: Análise da Aprendizagem, Educação .
  7. CABELLO, A. F.,ARRUDA, J. A.,IMBROISI, D.,FERREIRA, G. V.,FREITAS, SERGIO A. A., Escolha Estratégica em Processos Seletivos: análises da alteração de opção inicial de candidatos no SISUnB, e seus efeitos na evasão , REVISTA COM CENSO ESTUDOS EDUCACIONAIS DO DISTRITO FEDERAL , 9(41-49), 2022 . Tags: Análise da Aprendizagem .
  8. Amanda Emilly Muniz de Menezes, Identificação de fatores que afetam a Evasão no Ensino Superior . Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Software) - UnB, 2022 Orientador(es): Cristiane Ramos, Sergio Freitas . Tags: Educação, Análise da Aprendizagem .
    A identificação de fatores que influenciam a evasão acadêmica é vital para que as coordenações possam tomar medidas preventivas contra a desistência estudantil. Esta monografia tem como objetivo explorar o estado atual da pesquisa na área, buscando compreender os principais fatores associados à evasão acadêmica e sua aplicabilidade em modelos preditivos de evasão. Realizou-se uma pesquisa quantitativa, exploratória e explicativa de caráter aplicado, utilizando técnicas de estudo de caso e revisão bibliográfica. A análise sistemática da literatura indicou que a evasão pode ser prevista por meio de fatores acadêmicos, demográficos e de aprendizagem. Utilizando esses fatores, modelos preditivos foram desenvolvidos com o auxílio de algoritmos de aprendizado de máquina, cujas previsões se mostraram sensíveis às alterações no fluxo dos cursos. Conclui-se que os fatores acadêmicos, demográficos e de aprendizagem são eficazes na predição de evasão, sendo importante a seleção e o modo de aplicação desses fatores para alcançar resultados preditivos precisos. Além disso, a aplicação de fatores acadêmicos em modelos preditivos exige consideração do contexto específico dos dados analisados.
  9. Letícia Karla Soares Rodrigues de Araújo, Identificação de fatores que afetam a Evasão no Ensino Superior . Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Software) - UnB, 2022 Orientador(es): Cristiane Ramos, Sergio Freitas . Tags: Educação, Análise da Aprendizagem .
    A identificação de fatores que influenciam a evasão acadêmica é vital para que as coordenações possam tomar medidas preventivas contra a desistência estudantil. Esta monografia tem como objetivo explorar o estado atual da pesquisa na área, buscando compreender os principais fatores associados à evasão acadêmica e sua aplicabilidade em modelos preditivos de evasão. Realizou-se uma pesquisa quantitativa, exploratória e explicativa de caráter aplicado, utilizando técnicas de estudo de caso e revisão bibliográfica. A análise sistemática da literatura indicou que a evasão pode ser prevista por meio de fatores acadêmicos, demográficos e de aprendizagem. Utilizando esses fatores, modelos preditivos foram desenvolvidos com o auxílio de algoritmos de aprendizado de máquina, cujas previsões se mostraram sensíveis às alterações no fluxo dos cursos. Conclui-se que os fatores acadêmicos, demográficos e de aprendizagem são eficazes na predição de evasão, sendo importante a seleção e o modo de aplicação desses fatores para alcançar resultados preditivos precisos. Além disso, a aplicação de fatores acadêmicos em modelos preditivos exige consideração do contexto específico dos dados analisados.
  10. CABELLO, A. F.,FERREIRA, G. V.,IMBROISI, D.,ARRUDA, J. A.,FREITAS, S. A. A.,ALVAREZ, G. A., Formas de ingresso em perspectiva comparada: por que o SISU aumenta a evasão? O caso da UNB , AVALIAÇÃO: REVISTA DA AVALIAÇÃO DA EDUCAÇÃO SUPERIOR , 26(446-460), 2021 . DOI: 10.1590/s1414-40772021000200006 . Tags: Análise da Aprendizagem, Educação .
  11. CABELLO, A. F.,FERREIRA, G. V.,IMBROISI, D.,ARRUDA, J. A.,FREITAS, S. A. A.,ALVAREZ, G. A., Formas de Ingresso em Perspectiva Comparada: Porque o Sisu aumenta a evasão - o caso da UnB , in XIX Colóquio Internacional de Gestão Universitária , 2019 . Tags: Análise da Aprendizagem .
  12. FREITAS, S. A. A.,CANEDO, E. D.,JESUS, D. A., Calculating Similarity of Curriculum Lattes , IEEE Latin America Transactions , 16(1758), 2018 . DOI: 10.1109/tla.2018.8444396 . Tags: Análise da Aprendizagem .
  13. COSTA OLIVEIRA, EDGARD,ALVES DE JESUS, DIONLAN,FREITAS, S. A. A.,DIAS CANEDO, EDNA, Similarities Building a Network between Researchers based on the Curriculum Lattes Platform , in 20th International Conference on Enterprise Information Systems , 2018 . DOI: 10.5220/0006664102030214 . Tags: Análise da Aprendizagem .
  14. Yeltsin Suares Gama, Sistema de apoio ao aprendizado. . Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Software) - UnB, 2017 Orientador(es): Sergio Freitas . Tags: Análise da Aprendizagem, Inteligência Artificial .
  15. FREITAS, S. A. A.,SILVA, RITA C.,CANEDO, EDNA D.,LUCENA, TIAGO FRANKLIN R., A tool for students' grouping in classroom , in 2016 IEEE Frontiers in Education Conference (FIE) , 2016 . DOI: 10.1109/FIE.2016.7757708 . Tags: Análise da Aprendizagem .
  16. LOZZI, S.,DINIZ, F. B.,ALBURQUERQUE, P.,REZENDE, M.,FREITAS, S. A. A.,COSTA, C., Influence of Affirmative Action on the Academic Performance of Undergraduate Students from a Brazilian Public University , in 5th International Conference of Education, Research and Innovations, 2012, Madrid - Spain , pp. 3017-3022, 2012 . Tags: Análise da Aprendizagem .

Aplicativos e programas

  1. FREITAS, S. A. A. Analisador dos indicadores de qualidade do ensino superior brasileiro. UnB, 2020.
  2. FREITAS, S. A. A. Editor colaborativo de projetos pedagógicos de curso - versão UnB. 2019.
  3. FREITAS, S. A. A. MCE - Editor de Matrizes Curriculares. UFES, 2005.
  4. FREITAS, S. A. A. Gerador de Projetos Pedagógicos de Curso. UFES, 2005.
  5. FREITAS, S. A. A. Sistema de Controle Acadêmico dos Cursos de Pós-Graduação da Universidade Federal do Espírito Santo (UFES). UFES, 2002.

Contato e colaboração

Veja mais sobre Análise da Aprendizagem
← Arquitetura de Software Áreas de atuação →