Um framework conceitual para análise e comparação de padrões em apresentações orais de estudantes

Abstract

Falar e apresentar em público é uma habilidade essencial para o desenvolvimento acadêmico e profissional. Essas habilidades são exigidas em toda a sociedade e seu desenvolvimento e avaliação são um desafio enfrentado pelas instituições de ensino superior. Existem alguns desafios para avaliar objetivamente, além de gerar informa- ções valiosas para os professores e feedback apropriado para os alunos. Neste estudo, um Framework conceitual é apresentado para entender e detectar padrões nas apresentações orais dos alunos. São propostas 4 etapas para o Framework: Coleta de dados, Análise Estatística, Clustering, e a etapa de Sequential Pattern Mining. Na Coleta de Dados as interações durante as apresentações são coletadas e arranjadas de forma a permitir análises posteriores. O bloco de Análise Estatística possibilita uma compreensão geral dos dados coletados, pode evidenciar diferenças ou semelhanças entre apresentações ou anos, dependendo dos dados coletados. A etapa de Clustering permite a segmentação dos estudantes em grupos com características bem definidas. Por fim, a análise por Sequential Pattern Mining pode atuar como complementadora dos resultados anteriores e ainda permitir identificar sequências que caracterizem as apresentações. Um estudo de caso foi realizado, foram coletados dados de 222 estudantes entrantes de Engenharia da Computação (CE) em três momentos diferentes, durante dois anos diferentes. As análises possibilitaram segmentar os apresentadores em grupos distintos com suas características diferenciando seus comportamentos. Testes inferenciais permitiram avaliar a evolução do apresentador ao longo de cada ano, apontando uma convergência em termos de redução do número de atributos estatisticamente diferentes entre as apresentações realizadas no mesmo momento do curso. A análise sequencial permite observar as sequências posturais mais frequentes, possibilitando ainda uma outra perspectiva de avaliação dos dados. Os resultados podem ajudar a retornar aos alunos um feedback automático em termos de suas posturas e discursos ao longo das apresentações, podendo ainda servir como informações de base para futuras comparações com apresentações de estudantes provenientes de diferentes cursos de graduação

Abstract: Public speaking and presenting is an essential skill for academic and professional development. These skills are required across society and their development and evaluation is a challenge faced by higher education institutions. There are some challenges to assess objectively, in addition to generating valuable information for teachers and appropriate feedback for students. In this study, a conceptual framework is presented to understand and detect patterns in students? oral presentations. Four steps are proposed for the Framework: Data collection, Statistical Analysis, Clustering, and the Sequential Pattern Mining step. In Data Collection, interactions during presentations are collected and arranged in order to allow for further analysis. The Statistical Analysis block provides a general understanding of the data collected, it can show differences or similarities depending on the data collected. The stage of Clustering allows the segmentation of students into groups with well-defined characteristics. Finally, the analysis by Sequential Pattern Mining can complement the previous results and also allow the identification of sequences that characterize the presentations. A case study was carried out, data were collected from 222 incoming students of Computer Engineering (CE) at three different times, during two different years. The analyzes made it possible to segment the presenters into distinct groups with their characteristics, differentiating their behaviors. Inferential tests allowed to assess the presenter?s evolution throughout each year, pointing to a convergence in terms of reducing the number of statistically different attributes between the presentations made at the same moment in the course. Sequential analysis makes it possible to observe the most frequent postural sequences, enabling yet another perspective for data evaluation. The results can help to give students an automatic feedback in terms of their postures and speeches throughout the presentations, and can also serve as background information for future comparisons with presentations from students from different undergraduate courses.