The evaluation of learners' achievement is an important phase in the learning in online courses. However, an assessment process may emerge in subjective terms (e.g., Good, Bad). Regards the uncertainty, the fuzzy logic is an appropriate approach for such cases because it can model the imprecise knowledge. The paper approach focuses on guide to construct the fuzzy rules by classification techniques (Decision Tree). The present study runs a validation using the FuzzySD approach, which aims to predict the student dropout phenomena in online courses. In this process, the teacher agreed with 70% of the rules generated by the analysis trees and obtained 19 fuzzy rules. Finally, when asked which the most intuitive tree for interpretation was, the specialist highlighted J48 type.
Resumo.No ensino online, a etapa de avaliação discente fornece informações que apoia o tomador de decisão em suas ações no ambiente. No entanto, a análise pode envolver critérios subjetivos (Bom ou Ruim). Diante desta incerteza, a lógica fuzzy é uma abordagem útil para esses casos, pois pode modelar o conhecimento impreciso. Este artigo se concentra em guiar a construção de regras difusas por meio de técnicas visuais de classificação de dados (árvores de decisão) com a ajuda do especialista na Informática na Educação. O presente estudo realiza uma validação utilizando a arquitetura da abordagem FuzzySD, sistema de predição de evasão discente em cursos online. Neste processo, o docente concordou com 70% das regras geradas pelas árvores de decisão que analisou, gerando 19 regras fuzzy. Por fim, ao ser questionado qual foi a árvore mais intuitiva à interpretação o especialista destacou o tipo J48.