Este documento apresenta as aplicações e desafios da mineração de dados educacionais. Ele descreve como a mineração de dados pode ser usada para identificar grupos de alunos, prever desempenho ou evasão, relacionar conteúdos com baixo desempenho, e identificar intervenções de tutores que melhorem os resultados. O documento também lista desafios como a diversidade de sistemas educacionais, privacidade de dados, armazenamento, e diversidade de contextos educacionais.

1. Mineração de Dados
Educacionais
Rodrigo de Moraes
rodrigomorae@gmail.com

2. Eu!
(2010) Graduação em Análise de Sentimentos em
opiniões escritas em PT
(2012) Mestrado em Análise de Sentimentos com
utilização de RNAs
(2012) GVwise – Mineração de Dados Educacionais

3. Aplicação de Mineração de Dados
Educacionais
 Identificação de grupos de alunos para auxiliar no aprendizado
em grupo
 Predição de desempenho ou evasão (dados cadastrais +
comportamento)
 Relação entre atividades/conteúdos e baixo desempenho (case
GEEK)
 Identificação de conteúdos e materiais de apoio para o
desenvolvimento de recomendações
 Relação entre o desempenho em diferentes disciplinas/turmas
 Identificação de intervenções dos tutores e professores que
implicam em melhores resultados de reversão
 Mapeamento de padrões sequenciais de utilização de AVA's

4. Desafios da Mineração de Dados
Educacionais
Diversidade dos sistemas utilizados no mercado
Segurança e privacidade dos dados
Armazenamento e migração de dados
Registro de dados
Diversos meios de comunicação com os alunos
Cultura de digitalização de dados
Perfil de quem provê e utiliza as informações
Diversidades dos contextos / modelos educacionais
(massificação vs. qualidade dos modelos)

5. Rodrigo de Moraes
Data Scientist
rodrigomorae@gmail.com