Um sistema de recomendação para professores e coordenadores de curso utilizando predição de reprovação na modalidade de educação a distância

Este texto propõe um modelo de Sistema de Recomendação Educacional (SRE) para professores e coordenadores de curso que utiliza a predição de reprovação de aprendizes em disciplinas na modalidade de Educação a distância. Considerando o papel da educação na formação do indivíduo, torna-se importante manter o aprendiz até a conclusão do curso buscando também propiciar um bom coeficiente de rendimento. A EaD veio para ampliar as opções das pessoas que buscam uma qualificação, porém para o sucesso dessa modalidade os números, ao término dos cursos, precisam mostrar um aproveitamento positivo. Sistemas de Recomendação Educacional têm sido desenvolvidos para explorar os perfis de aprendizes com o objetivo de detectar suas dificuldades e lhes fazer uma sugestão, a qual pode ser um objeto de aprendizagem, uma revisão de literatura, ou ainda um estudo colaborativo com outros aprendizes. O objetivo desta dissertação é propor o modelo M-SRECP, um modelo de Sistema de Recomendação Educacional que tem como público-alvo professores e coordenadores de curso, os quais recebem dados estatísticos de possibilidade de reprovação de aprendizes em uma disciplina a partir de um sistema de predição e faz recomendações a este público-alvo, a fim de que os mesmos efetuem ações pedagógicas visando reduzir o número de aprendizes reprovados. Técnicas como classificação de perfis de usuários, para delinear a entrega de recomendação, sensibilidade a contextos e Customer Relationship Management (CRM) foram utilizadas neste trabalho, com o intuito de viabilizar um diferencial quanto à recomendação ao público-alvo (professor e coordenador de curso), colocando-o como principal foco do processo (CRM), ao longo de uma disciplina (sensibilidade a contextos). A atuação do público-alvo visa atenuar o quantitativo de aprendizes reprovados em disciplinas na modalidade EaD, oferecendo a estes uma oportunidade de melhorar o seu coeficiente de rendimento, reduzir o tempo matriculado no curso e, consequentemente, acelerar sua certificação. Um protótipo do modelo foi elaborado para a realização do experimento no Instituto Federal de Educação, Ciência e Tecnologia do Amazonas, no programa Universidade Aberta do Brasil, curso de Filosofia da educação, disciplina de Linguagem Brasileira de Sinais, em 2015/2. Coletou-se através de um questionário, os perfis de 30 professores, o que permitiu a classificação do perfil de professor utilizando árvore de decisão com a ferramenta RapidMiner. O perfil do professor da disciplina de Libras também foi coletado, no entanto o mesmo foi submetido à classificação para definir se, além dele, haveria a necessidade da coordenação do curso de Filosofia da Educação receber também a recomendação semanal dos aprendizes com risco de reprovação na disciplina. O protótipo também foi apresentado a um conjunto de 12 professores para que os mesmos realizassem uma avaliação de facilidade de uso percebida e de percepção de utilidade através do Technology Acceptance Model (TAM). Chegou-se à conclusão que o M-SRECP é uma ferramenta computacional que pode auxiliar o professor e o coordenador do curso a resgatar os aprendizes antes que a reprovação ocorra, auxiliando na melhora do desempenho do aprendiz na disciplina ainda em andamento.