Análise de clusters de estudantes no Moodle: comparação entre diferentes combinações de atributos de entrada

Abstract

Através dos ambientes virtuais de aprendizagem, ferramenta amplamente usada pelas instituições de ensino, são geradas grandes quantidades de dados por meio do registro da atividade dos usuários no ambiente. Analisando esses dados é possível descobrir padrões, verificar o desempenho dos alunos e analisar o risco de reprovação ou até mesmo evasão dos estudantes. Sendo assim, este trabalho utiliza registro de interações de alunos gerados no ambiente virtual de aprendizagem Moodle, para elaborar experimentos buscando a clas- sificação de estudantes em situação de risco, conforme o seu comportamento na ferramenta de aprendizagem. Serão consideradas as contagens diárias de interações de cada aluno para classificar através do método de agrupamento, no qual busca separar os estudantes em clusters (grupos) com base na semelhança de suas características. O algoritmo utilizado será o K-means, implementado com a linguagem de programação Python e o auxílio de bibliotecas para o tratamento de dados. Será feita uma análise dos clusters criados e para verificar os resultados do algoritmo, será avaliada a concentração de estudantes em cada cluster em relação a sua nota final no período cursado. Ao final, serão obtidos grupos de estudantes com maior e menor tendência ao risco, que possibilitam a identificação por parte de instrutores e instuições de ensino alunos em situação de dificuldade.