Pular para o conteúdo
CEDIS Logo
CEDIS
Área de atuação

Learning Analytics e Gestão Educacional

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.

Pesquisadores
2
Projetos ativos
4
Publicações relacionadas
19
Análise da Aprendizagem
Explorar área Ver áreas
Ilustração da área: 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

Iniciação Científica

  • Daniel Rodrigues da Rocha

    Framework preditivo de engajamento e desempenho discente em ambientes de aprendizagem gamificados com base em Octalysis, indicadores neurocientíficos e machine learning

    Bacharelado em Engenharia de Software - UnB•2025

  • Davi Rodrigues da Rocha

    Framework preditivo de engajamento e desempenho discente em ambientes de aprendizagem gamificados com base em Octalysis, indicadores neurocientíficos e machine learning

    Bacharelado em Engenharia de Software - UnB•2025

  • Mylena Angélica Silva Farias

    Graduanda em Engenharia de Software na Universidade de Brasília; orientanda PIBIC do Prof. Sergio Freitas no Projeto Canal Ciência.

    Framework preditivo de engajamento e desempenho discente em ambientes de aprendizagem gamificados com base em Octalysis, indicadores neurocientíficos e machine learning

    Bacharelado em Engenharia de Software - UnB•2025

Pesquisadores anteriores

Mestrado

  1. Éber Junio Borges Moreira

    Agendamento de recursos acadêmicos em Instituições de Ensino Superior: Estudo de caso na Universidade de Brasília

    Dissertação (Mestrado Profissional em Computação Aplicada) - UnB

    2024
    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.

  2. 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
    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 de Ciências e Tecnologias em Engenharia (FCTE) 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. Itallo Cavalcante Gravina

    Portal de visualização e análise de dados de produção científica pela OpenAlex

    Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Software) - UnB

    2024
    Orientador(es)
    Daniel Sundfeld Lima

  2. Amanda Emilly Muniz de Menezes, 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
    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. Allan Jefrey Pereira 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

    2021

  4. Yeltsin Suares Gama

    Sistema de apoio ao aprendizado.

    Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Software) - UnB

    2017

Projetos em andamento

  • 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 (19)

  1. Éber Júnio Borges Moreira, Sergio Antônio Andrade de Freitas

    Fast University Timetabling via Room-wise CP-SAT Decomposition and Incremental Repair

    53º Seminário Integrado de Software e Hardware (SEMISH 2026) • Gramado, RS, Brasil

    2026

  2. Sergio Antônio Andrade de Freitas, Daniel Rodrigues da Rocha, Davi Rodrigues da Rocha, Mylena Angélica Silva Farias

    A Motivation-Aware Diagnostic Instrument for Personalized and Gamified Computing Education

    XXXVII Simpósio Brasileiro de Informática na Educação (SBIE 2026) • Brasil

    2026
    Artigo aceito no XXXVII Simpósio Brasileiro de Informática na Educação (SBIE 2026, submissão #27258), apresentando um instrumento diagnóstico de início de semestre para personalização e gamificação no ensino de computação, avaliado em três disciplinas de graduação (245 respostas válidas), com bom nível de consistência interna (α = 0.880). O instrumento fundamenta os produtos EduTrack e EduTrack AI.

  3. Éber Junio Borges Moreira

    Agendamento de recursos acadêmicos em Instituições de Ensino Superior: Estudo de caso na Universidade de Brasília

    Dissertação (Mestrado Profissional em Computação Aplicada) - UnB

    2024
    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.

  4. Itallo Cavalcante Gravina

    Portal de visualização e análise de dados de produção científica pela OpenAlex

    Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Software) - UnB

    2024
    Orientador(es)
    Daniel Sundfeld Lima

  5. 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

    IEEE International Conference on IT in Higher Education and Training (ITHET 2024) • Paris, France

    2024
    DOI: 10.1109/ITHET61869.2024.10837617 Spotify

  6. 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

    Frontiers in Education 2024 • Washington DC, USA

    2024
    DOI: 10.1109/FIE61694.2024.10893484 Spotify

  7. 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
    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 de Ciências e Tecnologias em Engenharia (FCTE) 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.

  8. 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
    ISBN: DOI: 10.26512/plunb.442 | ISBN: 978-65-980478-0-1 Spotify

  9. 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

    56th Hawaii International Conference on System Science • Maui

    2023

  10. Amanda Emilly Muniz de Menezes, 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
    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.

  11. 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

  12. Allan Jefrey Pereira 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

    2021

  13. 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

  14. 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

    XIX Colóquio Internacional de Gestão Universitária • Florianópolis

    2019

  15. 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

    20th International Conference on Enterprise Information Systems • Funchal

    2018
    DOI: 10.5220/0006664102030214

  16. 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

  17. Yeltsin Suares Gama

    Sistema de apoio ao aprendizado.

    Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Software) - UnB

    2017

  18. FREITAS, S. A. A., SILVA, RITA C., CANEDO, EDNA D., LUCENA, TIAGO FRANKLIN R.

    A tool for students' grouping in classroom

    2016 IEEE Frontiers in Education Conference (FIE) • Eire

    2016
    DOI: 10.1109/FIE.2016.7757708

  19. 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

    5th International Conference of Education, Research and Innovations, 2012, Madrid - Spain, pp. 3017-3022

    2012

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 Computação de alto desempenho →