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
O agendamento de recursos acadêmicos em instituições de ensino superior configura-se como um problema de elevada complexidade, envolvendo a alocação de turmas, professores, horários e espaços físicos, de modo a atender a múltiplas restrições e preferências institucionais. Este trabalho apresenta o modelo SARA (Sistema de Agendamento de Recursos Acadêmicos), concebido para oferecer flexibilidade e adaptabilidade às particularidades das instituições de ensino superior. A pesquisa foi conduzida em duas etapas principais: a realização de uma revisão sistemática da literatura e a proposição do modelo SARA. A revisão sistemática possibilitou o mapeamento de estratégias, algoritmos e restrições amplamente utilizados na literatura, fornecendo subsídios teóricos para a concepção do modelo. A proposta do SARA integra características como personalização, integração com sistemas acadêmicos e a aplicação de algoritmos de otimização, promovendo uma abordagem abrangente e adaptável para a criação de agendamentos em ambientes universitários. A validação do modelo foi realizada por meio de um estudo de caso na Universidade de Brasília (UnB), em um ambiente de grande porte e alta complexidade. Os resultados preliminares demonstraram a viabilidade e a eficácia do modelo em atender às demandas específicas da instituição, evidenciando seu potencial de aplicação em diferentes contextos institucionais. A pesquisa contribui para o avanço teórico e prático no campo da gestão acadêmica, apresentando uma solução que combina rigor metodológico com aplicabilidade prática.
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.
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.
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.
Uma nova abordagem aplicada ao Problema do University Course Timetable Éber Júnio Borges Moreira, Início: 2023, status: em andamento. Trabalho focado em otimizar a programação de cursos universitários, aplicando técnicas para melhorar a eficiência e eficácia na elaboração de horários acadêmicos. Este trabalho visa resolver desafios comuns na gestão de horários, proporcionando uma solução mais adaptável e conveniente para instituições de ensino superior. A UnB é usada como estudo de caso.
Publicações e produções
Publicações (17)
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)
, 2024
. DOI: 10.1109/ITHET61869.2024.10837617
. Tags:
Aprendizado de Máquina,
Análise da Aprendizagem
.
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
, 2024
. DOI: 10.1109/FIE61694.2024.10893484
. Tags:
Aprendizagem Ativa,
Análise da Aprendizagem,
Gamificação
.
O agendamento de recursos acadêmicos em instituições de ensino superior configura-se como um problema de elevada complexidade, envolvendo a alocação de turmas, professores, horários e espaços físicos, de modo a atender a múltiplas restrições e preferências institucionais. Este trabalho apresenta o modelo SARA (Sistema de Agendamento de Recursos Acadêmicos), concebido para oferecer flexibilidade e adaptabilidade às particularidades das instituições de ensino superior. A pesquisa foi conduzida em duas etapas principais: a realização de uma revisão sistemática da literatura e a proposição do modelo SARA. A revisão sistemática possibilitou o mapeamento de estratégias, algoritmos e restrições amplamente utilizados na literatura, fornecendo subsídios teóricos para a concepção do modelo. A proposta do SARA integra características como personalização, integração com sistemas acadêmicos e a aplicação de algoritmos de otimização, promovendo uma abordagem abrangente e adaptável para a criação de agendamentos em ambientes universitários. A validação do modelo foi realizada por meio de um estudo de caso na Universidade de Brasília (UnB), em um ambiente de grande porte e alta complexidade. Os resultados preliminares demonstraram a viabilidade e a eficácia do modelo em atender às demandas específicas da instituição, evidenciando seu potencial de aplicação em diferentes contextos institucionais. A pesquisa contribui para o avanço teórico e prático no campo da gestão acadêmica, apresentando uma solução que combina rigor metodológico com aplicabilidade prática.
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.
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.
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.
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
.
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
.
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
.
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
.
