Embedded Files
Inscrições até 16 de Maio de 2025 para começar em Agosto de 2025
Link para o edital: https://ppgi.uniriotec.br/processo-seletivo-mestrado-e-doutorado-2025-2/
Link para a inscrição:
Sobre o programa
O programa possui sua carga horária concentrada nos turnos vespertino-noturno normalmente no modo "vertical". Isso significa que várias disciplinas são dadas uma vez na semana de 14h às 18h ou de 18h às 22h. Esse esquema é ideal para quem quer realizar sua formação sem abrir mão do mercado de trabalho.
Descrição do Projeto
Em salas de aula presenciais, e turmas com um número razoável de alunos por professor, os professores realizam a “descoberta do conhecimento” (no sentido de mineração de dados) diariamente, observando o comportamento dos alunos e como eles reagem (tanto no sentido emotivo quanto em relação aos resultados obtidos) nas atividades didáticas e avaliativas. A partir destas observações, os professores identificam quais conceitos e habilidades os alunos já internalizaram e quais são mais complicados de incorporar, adaptando suas estratégias de ensino ao longo do processo. No caso de turmas com muitos alunos, e especificamente no caso do ensino remoto, a observação do professor fica bastante comprometida pelas limitações do ambiente, precisando de ferramentas para dar suporte a essa tarefa.
Uma alternativa para preencher essa lacuna da observação direta do professor é a análise do log de atividades do aluno, ou seja, análise das interações que os alunos fazem com uma determinada ferramenta. Análises sobre estes dados alimentam o professor com dados sobre as reações dos alunos às atividades propostas e sobre o processo cognitivo de criação de sentido pelo qual eles passam ao lidar com um determinado conteúdo. No entanto, para ser útil, essa quantidade de dados deve ser apresentada de forma que as partes interessadas entendam como estas informações podem influenciar não apenas suas percepções, como também suas ações. Relatórios recentes em análise de aprendizagem apontaram que precisamos aproximar a pesquisa publicada na área de análise de dados educacionais da aplicação em situações reais.
Nesta linha de pesquisa, analisamos dados provenientes de ambientes educacionais, utilizando conhecimentos de diferentes campos como: inteligência artificial, estatística, visualização de dados, mineração de dados e otimização. Exemplos de pesquisas realizadas no contexto deste projeto incluem, mas não se limitam a:
Utilização de chatbots na educação: em especial os baseados em Large Language Models (LLM) como o chat GPT no apoio à educação.
Apoio a tomada de decisão: o aluno está dedicando tempo suficiente para a disciplina ou deveria estudar mais? O prazo que o professor estabeleceu para a entrega dos exercícios é suficiente ou deveria ser estendido? Esse tema de pesquisa visa propor maneiras de ajudar os professores e alunos a tomarem decisões baseadas em dados.
Modelos de previsão de desempenho e abandono: é possível prever quais alunos não entregarão os exercícios finais do curso ou terão um desempenho não-satisfatório? Quais comportamentos dos alunos são bons preditores nesses casos?
Criação de perfis de alunos: o agrupamento de alunos permite encontrar alunos com dificuldades similares e oferecer uma experiência mais personalizada no sistema.
Geração automatizada de feedback: é possível definir feedbacks automatizados mas ainda assim personalizados para os diferentes erros cometidos pelos alunos e direcionar melhor seus estudos?
Extração de conceitos necessários para responder questões: um requisito comum em todas as etapas do ciclo de aprendizagem consiste em mapear os conceitos necessários em cada interação com o aluno para então acompanhar a evolução do conhecimento do aluno em cada tópico ao longo do tempo. No entanto, identificar manualmente as questões e os conceitos correspondentes pode ser demorado e difícil. Esse tema de pesquisa visa propor maneiras de realizar o mapeamento entre questões e conceitos de maneira não-supervisionada ou pelo menos com a menor interação humana necessária.
Entre outros…
Perfil do Aluno
Para realizar as pesquisas relacionadas a este projeto, são desejáveis algumas características: conhecimento e prática de programação, formação de base matemática (por exemplo, tenha bom conhecimento de álgebra linear ou estatística), familiaridade com bancos de dados (consiga fazer consultas) e boa capacidade de leitura de textos técnicos em inglês.
Candidate-se a este projeto se há interesse em…
Tecnologias para educação
Educação em computação
Análise de dados
Mineração de dados
Modelos preditivos
Modelos não-supervisionados
Saiba Mais:
Página do projeto: www.machineteaching.tech
Para entender um pouco a área: https://tinyurl.com/5e7uwmnz
Para entender mais o nosso projeto: https://tinyurl.cm/mry6zppz
Page updated
Google Sites
Report abuse