Uma visão geral do mundo dos dados educacionais
Suponho que você esteja interessado em analisar ou utilizar uma base de dados proveniente de um contexto educacional para alguma finalidade que você talvez não saiba qual e talvez não saiba como chegar nela.
Dessa forma, nas seguintes seções tentarei dar um "visão geral" sobre o mundo dos dados educacionais.
O cenário atual
Atualmente, temos cada vez mais acesso a uma grande quantidade de dados educacionais. Hoje em dia, há diversos tipos de plataformas que podem nos fornecer esses dados, desde Ambientes Virtuais de Aprendizagem, Chatbots educativos, Jogos Educativos, Sistemas de Gerenciamento de Tarefas e até mesmo os denominados Cursos Online Abertos e Massivo ou MOOCs (Massive Open Online Courses), onde se encaixam plataformas como o Coursera.
Dado esse cenário onde temos acesso a uma grande quantidade de dados, duas comunidades relacionadas ao uso de dados educacionais vem crescendo ao longo dos anos: a Mineração de Dados Educacionais (Educational Data Mining) e a Analítica da Aprendizagem (Learning Analytics).
Resumidamente, a Mineração de Dados Educacionais busca formas de proporcionar a descoberta de conhecimento sobre questões educacionais através do uso de técnicas de mineração de dados. Enquanto, a Analítica da Aprendizagem esta mais relacionada à análise dos dados. Sendo assim, faz parte da Analítica da Aprendizagem: coletar, analisar dados, formular questões e propor formas de otimizar o aprendizado [1].
Dentro dessas áreas de pesquisa há alguns tipos de problemas que são populares e você talvez já tenha ouvido falar, como:
Identificar grupos de estudantes com o mesmo comportamento;
Prever o desempenho de um aluno em uma disciplina;
Transformar os dados de uma forma que facilite o entendimento dos professores sobre o desempenho dos alunos;
Verificar se o desempenho dos alunos está relacionado a questões socioeconômicas;
São essas e outras questões que essas duas áreas buscam ajudar a explicar e propor soluções com o intuito de melhorar o ensino e a aprendizagem.
O processo de aplicação dessas duas áreas a um problema costuma ter o mesmo ciclo:
1. Contexto dos dados educacionais
A primeira etapa consiste em conhecer o contexto educacional de onde os dados são provenientes. Por exemplo: é preciso compreender quais são os dados coletados, quais os tipos dos dados, qual a metodologia usada no contexto de onde foram retirados, entre outras questões como essa.
2. Pré-processamento dos dados educacionais
Etapa em que os dados são manipulados e o objetivo é deixar eles da melhor maneira possível para ser usado dentro da questão educacional que esta sendo investigada.
É nessa parte que lidamos com: dados de fontes diferentes, dados faltantes, filtrar somente dados que podem fornecer informações importantes entre outras coisas, transformação e normalização dos dados, etc. É também importante nesta etapa se assegurar da confidencialidade dos dados e de outras questões de ética e segurança.
3. Métodos e técnicas
Etapa em que devemos encontrar quais métodos e técnicas serão mais adequados para o tipo de problema que estamos tentando resolver. Dentre os mais populares estão: técnicas de visualização de dados, análises estatísticas, agrupamento, classificação, predição, entre outras.
4. Interpretação e aplicação
Após as etapas anteriores caberá a quem conduz a análise decidir de qual forma e como os resultados obtidos podem ser aplicados para melhorar ou entender a problemática relacionada ao problema educacional observado.
Dados educacionais públicos
Outro tópico importante é citar o quanto dados públicos relacionados a educação podem ser úteis as políticas públicas.
Um exemplo de como podem ser úteis é poder analisar com antecedência a partir do censo da Educação Superior quais áreas da Educação pode haver um déficit de profissionais. Como é bem exemplificado na matéria da Revista Piauí Diplomas que fazem falta
Além disso, os dados são públicos e podem ser explorados através das bases de dados compartilhadas nas plataformas do governo. Como:
Referências
- [1] ROMERO, C.; VENTURA, S. Educational data mining and learning analytics:An updated survey. WIREs Data Mining and Knowledge Discovery, v. 10, n. 3,p. e1355, 2020. Disponível em https://onlinelibrary.wiley.com/doi/abs/10.1002/widm.1355.
Recomendação de leitura
Handbook of Educational Data Mining - Cristobal Romero, Mykola Pechenizkiy, Sebastian Ventura, Ryan S.J.d. Baker
ANÁLISE DE DADOS EDUCACIONAIS: Aplicando evidências na gestão pública - Escola de Dados. Disponível em: https://escoladedados.org/ebooks/
Top comments (0)