Banca de QUALIFICAÇÃO: VERONICA GABRIELA RIBEIRO DA SILVA

Uma banca de QUALIFICAÇÃO de DOUTORADO foi cadastrada pelo programa.
DISCENTE: VERONICA GABRIELA RIBEIRO DA SILVA
DATA: 16/12/2022
HORA: 08:30
LOCAL: Faculdade de Biotecnologia sala fb04
TÍTULO:

DESIGN NEUROEDUCACIONAL BASEADO EM CIÊNCIA DE DADOS: ANÁLISES CONTEXTUAL E METACOGNITIVA COMO FERRAMENTAS AVALIADORAS DA EXPERIÊNCIA DE APRENDIZAGEM E EVASÃO EM EDUCAÇÃO A DISTÂNCIA

PALAVRAS-CHAVES:

Neuroeducação, Metacognição, Ciências de Dados, Design Educacional

PÁGINAS: 68
GRANDE ÁREA: Ciências Biológicas
ÁREA: Farmacologia
RESUMO:

Ter o conhecimento básico do funcionamento do sistema nervoso e dos processos cognitivos e combiná-lo com a crescente evolução tecnológica e de análise e processamento de dadosé uma tendência que está elevando o nível de condução do processo ensino-aprendizagem e superandoas dificuldades que o ensino tradicional está enfrentando atualmente. Portanto, há um interesse crescente em compreender dados comportamentais, emocionais e neurocognitivos, em para basear produtos e processos centrados nas necessidades humanas. Objetivo: o principal objetivo deste  estudo é extrair e processar dados educacionais, através de análise contextual e metacognitiva e avaliar a relação com o desempenho de aprendizagem na modalidade educação a distância por meio de técnicas de Ciências de Dados. Metodologia: a análise e processamento destes dados consisteprimeiramente na formatação de 2.024 amostras de dados acadêmicos, perfil de estudo, perfil pessoal e socioeconômico de alunos de pós-graduação em nível lato sensu (especializações e MBA) que

constituem as bases de dados que serão utilizadas no processo de modelagem de machine learning,
Com o objetivo de conhecer melhor as necessidades de seus alunos e melhorar a produção e condução
dos materiais didáticos e processos de ensino-aprendizagem. Resultados Prévios: nesse primeiro
momento, foram identificados elementos neurocognitivos (como atenção, motivação, memória e
sentimentos) no processo de aprendizagem e como são influenciados por fatores contextuais, por
meio da análise das distribuições e relações visuais das variáveis. Através da análise e processamento
das estimativas emitidas pelo modelo de machine learning e pela visualização do gráfico de SHAP, é
possível inferir que há correlação fortemente positiva entre o baixo nível de evasão com as principais
variáveis a seguir: descontos, surpresa, utilização de desktops, ter entre 40 a 54 anos de idade e ter
apenas graduação. Em relação a altos níveis de evasão, estão relacionadas as seguintes variáveis: não
estudar ou estudar apenas um dia na semana, já ter feito outra pós-graduação, sentimento de
frustração, estudar a noite e falta de tempo. Nossos próximos passos consistem em aumentar a
amostra de alunos que se submeteram ao Questionário de Avaliação Metacognitiva para que possam
adequadamente se adaptar e serem analisados pelo modelo estatístico utilizado neste trabalho e,
assim, validar nossas discussões e ajudar a propor estratégias que possam otimizar o processos
neuroeducacionais na perspectiva do design educacional em educação a distância.

MEMBROS DA BANCA:
Presidente - 1713466 - BRUNO DUARTE GOMES
Externo ao Programa - 2377131 - DIEGO CARDOSO ESTUMANO
Interno - 2585501 - FERNANDO ALLAN DE FARIAS ROCHA
Interno - 1734253 - GIVAGO DA SILVA SOUZA