O documento discute a aplicação da inteligência analítica e big data nos processos de ensino e aprendizagem na Universidade Metodista de São Paulo. O projeto Intelligere visa melhorar o sucesso dos alunos através da identificação precoce de estudantes em risco, do aperfeiçoamento do desenho dos cursos, e da personalização do ambiente de aprendizagem. A inteligência analítica inclui análises descritivas, diagnósticas, preditivas e prescritivas baseadas em dados internos e externos para monitorar o desempen

1. © 2014 Daví Betts
Inteligência Analítica
Aplicada aos Processos
de Ensino e Aprendizagem

2. © 2014 Daví Betts
UNIVERSIDADE METODISTA
DE SÃO PAULO

3. © 2014 Daví Betts
• Instituição educacional confessional
• Mantenedora da:
• Universidade Metodista de São Paulo
- 7 Faculdades
- 49 cursos de graduação e tecnológicos
presenciais
- 14 cursos de graduação e tecnológicos a
distância
- 06 programas de mestrado
- 02 programas de doutorado
- cursos Lato Sensu, presencial, a distância e
“in company”

4. © 2014 Daví Betts© Daví Nelson Betts
Campus Rudge Ramos

5. © 2014 Daví Betts© Daví Nelson Betts
Campus
Planalto

6. © 2014 Daví Betts© Daví Nelson Betts
Campus
Vergueiro

7. © 2014 Daví Betts
Mantenedora dos Colégios:
© Daví Nelson Betts
Bertioga
São Bernardo
Itapeva

8. © 2014 Daví Betts
13800 alunos

9. © 2014 Daví Betts
Educação
a
Distância
© Daví Nelson Betts
+ 8300 alunos

10. © 2014 Daví Betts
Satélite
EAD- UMESP
37 pólos

11. © 2014 Daví Betts
Projeto Intelligere
Olhando para a
aprendizagem com
outros olhos
Aplicando Big Data na Educação
Prof. Dr. Daví Nelson Betts

12. © 2014 Daví Betts
Objetivo
© 2013 Daví Betts

13. © 2014 Daví Betts
Melhorar o processo de ensino e
aprendizagem para assegurar o sucesso
dos nossos alunos...
© 2013 Daví Betts

14. © 2014 Daví Betts
...em completar seu percurso de
aprendizagen no prazo estabelecido...
© 2013 Daví Betts

15. © 2014 Daví Betts
... e dentro dos parâmetros de
qualidade definidos.
© 2013 Daví Betts

16. © 2014 Daví Betts
Como
?© 2013 Daví Betts

17. © 2014 Daví Betts
Alertando docentes e estudantes quando
ações corretivas precisam ser tomadas
(identificação de discente em risco + ações
de intervenção);
Como?
© 2013 Daví Betts

18. © 2014 Daví Betts
Trazendo informações para o contínuo
aperfeiçoamento do desenho e entrega
do curso (Desenho Instrucional)
Como?
© 2013 Daví Betts

19. © 2014 Daví Betts
Personalizando o
ambiente de
aprendizagem.
Como?
© 2013 Daví Betts

20. © 2014 Daví Betts
Big
Data
Inteligência
Analítica
Imagem de fundo: IBM
20

21. © 2014 Daví Betts
Inteligência Analítica
Analíticos Descritivos
Analíticos Diagnósticos
Analíticos Preditivos
Analíticos Prescritivos
O que aconteceu?
Por que aconteceu?
O que acontecerá?
O que devo fazer?

22. © 2014 Daví Betts
• Identificação precisa, automática e imediata
das áreas onde cada aluno apresenta
deficiências;
• Quais áreas de conhecimento tem maior
incidência de deficiências na turma;
• Quais alunos estão em cada área de carência.
O que entregam:
Analíticos Descritivos

23. © 2014 Daví Betts
Visualização

24. © 2014 Daví Betts
• Intervenções e medidas corretivas imediatas
para suprir estas carências acadêmicas de
forma objetiva e personalizada;
• Utilização eficaz de questões diagnósticas;
• Identificar o perfil cognitivo do aluno;
• Viabilização prática de Avaliação Continuada.
O que permitem:
Analíticos Descritivos

25. © 2014 Daví Betts
Avaliação continuada
Prova
Bimestral
Avaliação
continuada
Percurso de
Aprendizagem
Desvio do
percurso
25
+15%

26. © 2014 Daví Betts
Inteligência Analítica
Analíticos Descritivos
Analíticos Diagnósticos
Analíticos Preditivos
Analíticos Prescritivos
O que aconteceu?
Por que aconteceu?
O que acontecerá?
O que devo fazer?

27. © 2014 Daví Betts
• Visualizar e interagir com dados;
• Descobrir correlações;
• Aplicação prática de questões diagnósticas.
O que permitem:
Analíticos Diagnósticos
O que entregam:
• Explicações do por que de
tendências, resultados ou eventos.

28. © 2014 Daví Betts
Questões diagnósticas
Questões diagnósticas tem por
objetivo identificar como a pessoa está
entendendo o conteúdo, portanto as
alternativas erradas devem poder
identificar erros ou equívocos
conceituais comuns ao conteúdo
objeto da questão formulada.

29. © 2014 Daví Betts
Inteligência Analítica
Analíticos Descritivos
Analíticos Diagnósticos
Analíticos Preditivos
Analíticos Prescritivos
O que aconteceu?
Por que aconteceu?
O que acontecerá?
O que devo fazer?

30. © 2014 Daví Betts
Aqui começa a Ciência de Dados
30

31. © 2014 Daví Betts
Analíticos Preditivos
O que entregam:
• Identificação de forma preventiva e rápida de
indicadores de alunos em risco (de
reprovação, trancamento ou evasão);
• Criação de perfis de aluno potencialmente de
risco atráves de cruzamento com outras fontes
de informações.

32. © 2014 Daví Betts
Analíticos Preditivos
O que permitem:
• Tomada antecipada de medidas preventivas para
mitigar riscos e aumentar a probabilidade de
sucesso de aprendizagem do aluno e conclusão
de seu percurso de aprendizagem no prazo
estabelecido e com a qualidade especificada;
• Ampliação objetiva e estratégica do Programa de
Inclusão Pedagógica.

33. © 2014 Daví Betts
Inteligência Analítica
Analíticos Descritivos
Analíticos Diagnósticos
Analíticos Preditivos
Analíticos Prescritivos
O que aconteceu?
Por que aconteceu?
O que acontecerá?
O que devo fazer?

34. © 2014 Daví Betts
Analíticos Prescritivos
O que permitem:
• Aprendizagem adaptativa:
– Adaptar a metodologia ao perfil cognitivo do
aluno;
– Identificar as áreas de conhecimento prévio do
aluno;
– Avançar no percurso de aprendizagem de forma
mais acelerada;
• Gestão do conhecimento.

35. © 2014 Daví Betts
Escopo do projeto
Analíticos Descritivos
Analíticos Diagnósticos
Analíticos Preditivos
Analíticos Prescritivos
O que aconteceu?
Por que aconteceu?
O que acontecerá?
O que devo fazer?
Conhecimento
“Just in Time” Sucesso!

36. © 2014 Daví Betts
Novas demandas do
mundo do trabalho
Conhecimentos
emergentes
Portfólio do
profissional
Conhecimento
“Just in Time”

37. © 2014 Daví Betts
• Um grande desafio para um projeto de
inteligência analítica é identificar e
definir precisamente os indicadores;
• Localizar e validar a origem dos dados;
• Estruturar, armazenar e recuperá-los no
tempo desejado;
• Assegurar a “repetibilidade”.
Indicadores, fatores preditivos
e fontes de dados internos

38. © 2014 Daví Betts
• Muitas destas
informações são de
natureza quantitativa e
estão disponíveis nos
Sistemas Acadêmicos e
nos Ambientes Virtuais
de Aprendizagem da
instituição.
Indicadores, fatores preditivos
e fontes de dados

39. © 2014 Daví Betts
Indicadores, fatores preditivos
e fontes de dados
• Pré existentes
• Atividades e Performance
acadêmicas
• Situação sócio-econômico-
cultural
• Dados estruturados
• Dados não estruturados

40. © 2014 Daví Betts
Indicadores pré-existentes
• Classificação no Processo
Seletivo;
• Nota do Enem;
• Experiências acadêmicas
anteriores ;
• Dados e situação financeira;
• Sexo;
• Classe econômica;
• Transporte e estacionamento.

41. © 2014 Daví Betts
1. Notas
2. Faltas
3. Atraso para aulas
4. Quantidade e frequência de
logins nos sistemas
5. Tempo gasto nas interações com
os sistemas
6. Número de postagens nas redes
sociais
7. Atrasos de pagamento
Indicadores de atividades e
performance

42. © 2014 Daví Betts
8. Idade
9. Atraso escolar
10. Escola de origem
11. Renda familiar
12. Escolaridade dos pais
13. Trabalha?
14. Distância residência - IES
15. Distância trabalho - IES
16. Satisfação com os professores
17. Satisfação com a instituição
Indicadores de atividades e
performance

43. © 2014 Daví Betts
• Pesquisa sociocultural;
• Avaliação institucional;
• Satisfação com curso, disciplina, docente,
infraestrutura;
• As 10 dimensões do SINAES;
• CRM;
• Ouvidoria.
Outras Fontes internas

44. © 2014 Daví Betts
• Indicadores do MEC;
• ENEM;
• ENADE;
• Diretrizes;
• IDEB (Índice de Desenvolvimento da
Educação Básica);
• Indicadores de mercado (Pesquisas
dirigidas e de mercado);
Fontes externas

45. © 2014 Daví Betts
• Indicadores demográficos;
• Geomapeamento;
• Indicadores econômico-financeiros;
• Profissões emergentes;
• Associações profissionais;
• Associações comerciais;
• Governos federal, estadual e municipal;
• Redes sociais.
Fontes externas

46. © 2014 Daví Betts
Intervenção e ações
corretivas
Pró-atividade interna
Pró-atividade externa

47. © 2014 Daví Betts
Pró-atividade interna
Suprir carências
didático-
pedagógicas do
docente e do curso.

48. © 2014 Daví Betts
Pró-atividade interna
Focar na excelência
operacional da
organização e sua
infraestrutura.

49. © 2014 Daví Betts
Pró-atividade interna
Suprir carências
acadêmicas e
técnicas do
estudante

50. © 2014 Daví Betts
Inclusão Pedagógica
• Linguagem e expressão;
• Matemática;
• Orientação pedagógica
para o aprendizado;
• Raciocínio e lógica;
• Gestão do tempo;
• Carências de conteúdos
específicos.
Nivelamento acadêmico
“just in time”

51. © 2014 Daví Betts
Estudante
Pró-atividade externa
Funcionário
Docente
Focado no Ecosistema de origem

52. © 2014 Daví Betts
Coerência e
alinhamento
Inteligência analítica
Estratégico
Operacional
T
á
t
i
c
o

53. © 2014 Daví Betts
Inovação e
Gestão de Mudanças
• Toda inovação assusta
• Carece de mediação
• Apoio a Mudanças

54. © 2014 Daví Betts
Dificuldades
54
• Mudança de cultura
• Não entendimento da proposta
• Resistência ao novo
• Mais trabalho inicialmente

55. © 2014 Daví Betts
• Planejamento Integrado
• Vontade Política
• Gestão de Mudança
SUCESSO

56. © 2014 Daví Betts
Projeto
Intelligere
Abrindo novas
fronteiras para
o sucesso!
Obrigado!

57. © 2014 Daví Betts
Perguntas?
dbetts@uol.com.br
Questionamentos?
Contestações?

58. © 2014 Daví Betts
Referências
dbetts@uol.com.br
Altshuler Learning Enhancement Center . ORACLE (HDEV 1110). Disponível em:
< http://smu.edu/alec/oracle.asp> e < http://smu.edu/alec/oraclesyl.asp > acesso
em 22 de maio 2005.
DAVENPORT, Thomas, HARRIS, Jeanne. Competing on Analytics.
Boston, Harvard Business School Publishing Corporation, 2007
BROWN, Malcom, Learning Analytics: Moving from Concept to Pratice, in
Educase Learning Initiative Briefing July 2012. Disponível em:
<http://www.educause.edu/library/resources/learning-analytics-moving-concept-
practice>. Acesso em 31 de julho 2012.
www.knewton.com/flipped-classroom > acesso em 29-01-2013
SIEGEL, Eric, Predictive Analytics: the power to predict who will click, buy, lie
or die.John Wiley & Sons, 2013
FOREMAN, John W, Data Smart. Using Data Science to Transform Information
into Insight. John Wiley & Sons, 2014
©2014 Daví Nelson Betts
58