SISTEMA DE RECOMENDAÇÃO PEDAGÓGICO BASEADO EM MÁQUINA DE VETORES DE SUPORTE

Nos últimos anos, houve um crescimento no interesse e na preocupação da comunidade científica com o problema do fracasso dos alunos na educação. De modo geral, diversos estudos têm mostrado altas taxas de insucesso na educação que vão desde altos índices de evasão até o insucesso do aluno no processo de aprendizagem. Constatar o fracasso dos estudantes é um grande problema social e tornou-se muito importante entender porque tantos jovens não conseguem concluir os objetivos educacionais. Não é um problema trivial de se resolver devido à grande quantidade de fatores de riscos ou características dos alunos que podem influenciar o insucesso escolar, como antecedentes culturais, sociais, políticos, familiares, socioeconômico, acadêmico, dentre outros. Esse problema é conhecido como problema dos mil fatores. Uma das explicações teóricas mais influentes deste problema é que a integração social e acadêmica do estudante na instituição de ensino é o principal determinante da conclusão e identifica algumas influências-chave na integração, tais como o histórico familiar do aluno, características pessoais, escolaridade anterior, desempenho acadêmico prévio, desempenho e interações entre aluno e corpo docente. Mais recentemente, tem havido um consenso de que a detecção e a prevenção do fracasso dos estudantes na escola e a intervenção precoce fazem muito mais sentido do que a remediação.

Nessa linha, uma forma eficaz de detectar falhas do processo de ensino e aprendizagem é o uso da inteligência artificial na educação. São várias as pesquisas e experimentações práticas que revelam soluções promissoras que permitem aumentar as taxas de sucesso, mantendo ou reduzindo custos e garantindo que os alunos recebam uma experiência educacional de alta qualidade adaptada às suas necessidades acadêmicas e profissionais. Uma área que vem ganhando destaque é a mineração de dados educacionais (EDM) juntamente com os ambientes de aprendizagem online. O rápido desenvolvimento da internet culminou no desenvolvimento de ambientes virtuais educacionais que, consequentemente, resultou na evolução e no crescimento do conjunto de dados educacionais provenientes de interações e dos registros contínuos de dados dos professores, estudantes, gestores e demais autores dos sistemas educacionais. Com o advento dos sistemas de e-learning baseados na Web, uma enorme quantidade de dados educacionais está sendo gerada. Esses dados maciços deram origem aobig data em setores educacionais. Atualmente, técnicas de análise de big data estão sendo usadas para analisar esses dados educacionais e gerar previsões e recomendações diferentes para alunos, professores e escolas. Os sistemas de recomendação já são muito úteis no comércio eletrônico, na indústria de serviços e nos sites de redes sociais. Recentemente, os sistemas de recomendação também provaram ser eficientes para o setor educacional. Dentro dessas técnicas de análise e mineração de dados, a máquina de vetores de suporte (SVM) vem sendo utilizada como classificador para prever os insucessos dentro da educação. O SVM é um método de aprendizado supervisionado da mineração de dados e pode ser usado tanto para regressão quanto para classificação e é conhecida pela sua precisão máxima.

O presente trabalho se enquadra no contexto de big data na educação, estando circunscrito no cenário de educação a distância. Deste modo, investe-se num estudo sobre um sistema de recomendação pedagógico utilizando máquina de vetores de suporte que detectem e prevejam o insucesso educacional para realizar recomendações que revertam o quadro de potencial insucesso.

Inteligência Artificial; Informática na Educação; Sistemas de Recomendação; SVM