Banca de DEFESA: VITOR BELARMINO ROLIM

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE: VITOR BELARMINO ROLIM
DATA : 03/09/2024
HORA: 15:00
LOCAL: Virtual
TÍTULO:

Análise Automatizada de Discussões Online Baseada no Framework de 
Comunidade de Investigação: Classificação da Presença Cognitiva com 
Técnicas de Processamento de Linguagem Natural

PALAVRAS-CHAVES:

Comunidade de Investigação, Análise de Fóruns Online, 
Aprendizagem de Máquina, Learning Analytics

PÁGINAS: 109
RESUMO:

Com o estabelecimento do ensino a distância como modelo educacional, 
diversas ferramentas foram desenvolvidas com o objetivo de proporcionar uma 
experiência de ensino semelhante à do ensino presencial. Entre essas 
ferramentas, destacam-se os fóruns de discussão, que oferecem aos alunos um 
ambiente para construção de conhecimento, interação social e 
compartilhamento de informações. Técnicas de aprendizagem de máquina também 
vêm sendo empregadas para fornecer classificações dos níveis de 
desenvolvimento social e cognitivo dos alunos, baseadas nas interações 
ocorridas nos fóruns educacionais. A criação desses classificadores depende 
de diversos aspectos (características) para aumentar a acurácia dos modelos 
treinados; contudo, esses modelos são altamente dependentes da quantidade e 
qualidade dos dados anotados no conjunto de treinamento. A anotação desses 
dados é um trabalho intensivo que depende de vários especialistas de 
domínio e, além disso, há uma escassez de dados devido à dificuldade de 
aquisição em larga escala de dados educacionais.
Este trabalho investiga a aplicação de técnicas de aprendizagem de máquina 
para a análise automatizada de discussões online em ambientes virtuais de 
aprendizagem, utilizando o modelo Comunidade de Investigação (CoI). 
Explora-se a viabilidade de métodos automáticos para a identificação da 
presença cognitiva em fóruns de discussão, visando entender e otimizar a 
construção de conhecimento em contextos educacionais à distância. Foram 
utilizados diferentes modelos de aprendizado de máquina, incluindo Random 
Forest, XGBoost, MLP, além de abordagens de aumento de dados com BERT e 
GPT-4 para lidar com o desbalanceamento das categorias da presença 
cognitiva. As características textuais foram extraídas utilizando 
ferramentas como LIWC, Coh-Metrix e análise de redes sociais (SNA), 
proporcionando uma representação abrangente das interações e conteúdos 
discutidos, além de modelos de linguagem focados em codificação, como o 
DeBERTa. Os resultados mostram que a combinação de técnicas de aprendizado 
ativo tem grande potencial para o problema abordado, considerando a 
limitação de dados na área educacional, especialmente em relação aos dados 
anotados. Conseguimos atingir um coeficiente de Cohen's Kappa de 0.43 e uma 
acurácia de 0.60 com aprendizado ativo utilizando Random Forest sem 
aumentação de dados. Esta pesquisa contribui para o avanço das metodologias 
de análise automatizada em ambientes de aprendizagem online, abrindo 
possibilidades para a utilização das técnicas desenvolvidas no 
monitoramento e apoio ao desenvolvimento cognitivo dos alunos, promovendo 
uma melhor experiência de aprendizagem no ensino à distância.

MEMBROS DA BANCA:
Interno - 1866615 - ADENILTON JOSÉ DA SILVA
Externo à Instituição - DIEGO DERMEVAL MEDEIROS DA CUNHA MATOS - UFAL
Externa à Instituição - ELAINE HARADA TEIXEIRA DE OLIVEIRA - UFAM
Presidente - 2199306 - PATRICIA CABRAL DE AZEVEDO RESTELLI TEDESCO
Externo à Instituição - PERICLES BARBOSA CUNHA DE MIRANDA - UFRPE