With technological advances, distance education has been frequently discussed in recent years. The learning environments used in this course usually generates a great deal of data because of the large number of students and the various tasks involving their interaction. In order to facilitate the analysis of the data, the authors researched to identify how interaction and visualization techniques integrated with data mining algorithms can assist teachers in predicting students' performance in learning environments. The main goal of this work is to present the results of such research and the visual analysis approach that the authors developed in this context. This approach allows data gathering on the students' interactions and provides tools to investigate and predict pass/fail rates in the courses that are being analyzed. Our main contributions are: the visualization of the resources and their use by students; the possibility of making an individual analysis of students through interactive visualizations; and the ability to compare subjects in terms of students' performance.
Este artigo propõe um algoritmo de análise de sentimentos dos tweets do microblog Twitter, utilizando o modelo probabilístico de Naïve Bayes, de modo a classificá-los em positivos ou negativos. Foram utilizados os dados pré-analisados de Sanders (2011) para a construção do corpus e posterior aplicação da análise e validação cruzada. Após, demonstramos o desenvolvimento do algoritmo seguindo a metodologia estudada nos artigos relacionados, utilizando, também, as bibliotecas NLTK e Scikit-Learn para o auxílio na aplicação do algoritmo com a linguagem de programação python, medidas de acurácia e validação cruzada dos dados. Neste momento da pesquisa, foi possível obter um índice acurácia relativamente alto, de 91% no dataset mencionado. Organizamos este artigo em sessões que abordam os trabalhos relacionados, a metodologia utilizada, o sistema de coleta de dados, a biblioteca NLTK, o modelo probabilístico Naïve Bayes e, por fim, os resultados e os trabalhos futuros, nesta ordem.
RESUMO: Em virtude da pandemia de COVID-19, diversas instituições adotaram o ensino remoto emergencial (ERE) com o objetivo de possibilitar a continuidade de suas aulas em formato não presencial. Nesse cenário, estratégias facilitadoras têm auxiliado docentes no planejamento e execução das atividades. Teorias como a Conectivista e da Atividade demonstram que é possível aprender em um mundo globalizado e em rede de maneira eficiente, assim como, auxiliam no entendimento desse tipo de aprendizado. Esse texto procura demonstrar como pode ser realizada uma análise envolvendo ambas as teorias em uma disciplina de pós-graduação, de modo a auxiliar no entendimento do aprendizado em um mundo conectado e em aulas remotas. Optou-se pela utilização de uma adaptação da metodologia descrita por Mwanza (2001) para o exame via Teoria da Atividade, em conjunto com uma análise auxiliada por questionário respondido por participantes da disciplina, visando verificar o nível de compatibilidade da mesma com as 8 propriedades conectivistas de redes efetivas. Com base neste par de análises, foram traçadas correlações entre teoria e prática, de modo a possibilitar a identificação de inter-relações. Os resultados obtidos demonstram diversos pontos de contato entre as teorias Conectivista e da Atividade, como também a pertinência de ambas ao contexto existente, tendo em vista os relatos positivos referentes as suas contribuições no desenvolvimento da disciplina.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.