Refinamento dos fatores motivacionais e estados de ânimo a partir do uso de Mineração de Dados Educacionais

Carla Adriana Barvinski, Gislaine Rossetti Madureira Ferreira, Jacqueline Mayumi Akazaki, Leticia Rocha Machado, Magalí Teresinha Longhi, Patricia Alejandra Behar, Sílvio César Cazella

Resumo


O presente artigo apresenta uma abordagem de Mineração de Dados Educacionais com o objetivo de identificar padrões de comportamento relacionados aos fatores motivacionais e aos estados de ânimo nas interações de alunos, em um ambiente virtual de aprendizagem. Para investigar esses padrões, aplicou-se o método de clusterização e utilizou-se o algoritmo K-means. Como resultado, obteve-se que a (des)motivação do aluno está diretamente relacionada com seu estado de ânimo, podendo sofrer alterações tanto positivas como negativas mediante o grau expresso nos fatores motivacionais de confiança, esforço e independência.


Palavras-chave


mineração de dados educacionais; fatores motivacionais; estado de ânimo.

Texto completo:

PDF


DOI: https://doi.org/10.22456/1679-1916.99472

Direitos autorais 2020 RENOTE - Revista Novas Tecnologias na Educação



RENOTE - Revista Novas Tecnologias na Educação      ISSN 1679-1916

A RENOTE, possui a nota Qualis B1 (Ensino) e B1 (Interdisciplinar) no Sistema de Avaliação da CAPES.

Centro Interdisciplinar de Novas Tecnologias na Educação (CINTED) - Universidade Federal do Rio Grande do Sul (UFRGS)

Avenida Paulo Gama, 110 - Anexo III – 3o andar
Porto Alegre, RS, Brasil – CEP: 90040-060

Telefone: (51) 3308-4100
E-mail: renote@cinted.ufrgs.br