Análise da percepção de estudantes on-line sobre painéis de bordo para orientar seus objetivos de aprendizagem
Aluno: José Williams Barbosa Nobre Orientador: Ranilson Oscar Araújo Paiva
Dissertaao_do_Mestrado_FINAL_-_Jos_Williams_Barbosa_Nobre.pdf
Documento PDF (2.6MB)
Documento PDF (2.6MB)
UNIVERSIDADE FEDERAL DE ALAGOAS
CAMPUS A. C. SIMÕES
INSTITUTO DE COMPUTAÇÃO
PROGRAMA DE PÓS-GRADUAÇÃO EM INFORMÁTICA
JOSÉ WILLIAMS BARBOSA NOBRE
ANÁLISE DA PERCEPÇÃO DE ESTUDANTES ON-LINE, SOBRE PAINÉIS DE
BORDO PARA ORIENTAR SEUS OBJETIVOS DE APRENDIZAGEM
Maceió
2024
JOSÉ WILLIAMS BARBOSA NOBRE
ANÁLISE DA PERCEPÇÃO DE ESTUDANTES ON-LINE, SOBRE PAINÉIS DE
BORDO PARA ORIENTAR SEUS OBJETIVOS DE APRENDIZAGEM
Dissertação apresentada ao Programa de
Pós-graduação
em
Informática
da
Universidade Federal de Alagoas, como
requisito parcial à obtenção do título de
Mestre em Informática.
Orientador: Prof.
Araújo Paiva.
Dr.
Ranilson Oscar
Coorientador: Prof. Dr. Diego Dermeval de
Medeiros da Cunha Matos
Catalogação na fonte
Universidade Federal de Alagoas
Biblioteca Central
Divisão de Tratamento Técnico
Bibliotecária: Helena Cristina Pimentel do Vale – CRB4/661
N754a
Nobre, José Williams Barbosa.
Análise da percepção de estudantes on-line sobre painéis de bordo para
orientar seus objetivos de aprendizagem / José Williams Barbosa Nobre. – 2024.
79 f.: il.
Orientador: Ranilson Oscar Araújo Paiva.
Coorientador: Diego Dermeval de Medeiros da Cunha Matos.
Dissertação (mestrado em Informática) – Universidade Federal de Alagoas,
Instituto de Computação. Programa de Pós-Graduação em Informática, Maceió,
2024.
Bibliografia: f. 76-79.
1. Ambiente de ensino on-line. 2. Autorregulação da aprendizagem.
3. Dashboards. 4. Visualização de dados. I. Título.
CDU: 004:37
MINISTÉRIO DA EDUCAÇÃO
UNIVERSIDADE FEDERAL DE ALAGOAS
INSTITUTO DE COMPUTAÇÃO
Av. Lourival Melo Mota, S/N, Tabuleiro do Martins, Maceió - AL, 57.072-970
PRÓ-REITORIA DE PESQUISA E PÓS-GRADUAÇÃO (PROPEP)
PROGRAMA DE PÓS-GRADUAÇÃO EM INFORMÁTICA
Folha de Aprovação
JOSE WILLIAMS BARBOSA NOBRE
ANÁLISE DA PERCEPÇÃO DE ESTUDANTES ONLINE SOBRE PAINÉIS DE BORDO
PARA ORIENTAR SEUS OBJETIVOS DE APRENDIZAGEM
ANALYSIS OF ONLINE STUDENTS' PERCEPTIONS OF DASHBOARDS TO GUIDE
THEIR LEARNING GOALS
Dissertação submetida ao corpo docente do
Programa de Pós-Graduação em Informática
da Universidade Federal de Alagoas e
aprovada em 27 de março de 2024.
Banca Examinadora:
________________________________________
Prof. Dr. RANILSON OSCAR ARAUJO PAIVA
UFAL – Instituto de Computação
Orientador
________________________________________
Prof. Dr. LEONARDO BRANDAO MARQUES
UFAL – Centro de Educação
Examinador Externo
________________________________________
Prof. Dr. DIEGO DERMEVAL MEDEIROS DA CUNHA
________________________________________
Prof. Dr. RAFAEL DIAS ARAÚJO
UFU-Universidade Federal de Uberlândia
Examinador Externo
MATOS
UFAL – Faculdade de Medicina
Coorientador
________________________________________
Prof. Dr.THALES MIRANDA DE ALMEIDA VIEIRA
UFAL – Instituto de Computação
Examinador Interno
Dedico esta dissertação inicialmente a
Deus, pela sua imensurável presença em
minha vida, me proporcionando sempre
vitórias tão significativas, a minha família e
em especial a minha esposa por estar
sempre do meu lado, a quem dedico todo
meu
amor,
Cristina.
carinho
e
respeito, Ana
AGRADECIMENTOS
A DEUS, por ter sido sempre o fôlego necessário nesta caminhada e em toda a
minha vida.
A minha mãe Lourdes, pessoa a qual será sempre a minha maior referência e a
quem devo tudo que sou. Seus ensinamentos estarão sempre presentes em minha
vida.
A minha família, especialmente às minhas irmãs Cícera Betânia, Jackeline Nobre e
Norma Suely. Saibam que minhas conquistas são suas conquistas também.
A minha esposa Ana Cristina, pessoa na qual tenho me apoiado e que tem sido
muito importante na concretização das minhas realizações. Que Deus continue nos
abençoando.
A minha filha Kallyne Nobre, que me impulsiona a ser uma referência cada vez
maior em sua vida, que eu possa sempre lhe proporcionar os caminhos necessários
que você precise. Sempre te amarei.
Ao Corpo de Bombeiros Militar de Alagoas, corporação que orgulhosamente faço
parte e por todos os ensinamentos profissionais e de vida obtidos ao longo dos
anos.
Ao Prof. Dr. Ranilson Oscar Araújo Paiva, sem o qual a construção e obtenção
deste projeto não seria possível. Uma oportunidade que a vida me proporcionou, de
conhecer um profissional e um ser humano com tantas qualidades. Muito obrigado
por tudo!
Aos verdadeiros amigos, que sempre acreditaram e me incentivaram para que
esse objetivo fosse alcançado.
Enfim, agradecer a todos, que direta ou indiretamente sempre me ajudaram e me
apoiaram.
RESUMO
Com
o
avanço
do
ensino
on-line, impulsionado pela necessidade de
democratização do acesso à educação e pelas medidas de contenção da COVID-19,
o ambiente virtual tornou-se uma parte significativa da vida dos estudantes.
Contudo, a evasão escolar persiste, destacando-se a falta de suporte, dúvidas
pedagógicas e a sobrecarga de trabalho dos professores como principais desafios.
Para enfrentar esse problema, propõe-se a criação de um Dashboard contendo
visualizações de dados e recomendações para apoiar a autorregulação da
aprendizagem dos estudantes. O Dashboard visa apoiar o estudante em um
processo que utiliza dados para apresentar seu estado atual em relação aos
objetivos de aprendizagem estabelecidos pelo professor, incluindo interações com
recursos de aprendizagem (textos, vídeos etc.) e desempenho na resolução de
questões e problemas. Com base no estado atual, e nos objetivos do estudante,
serão oferecidas recomendações, orientando-o a atingir seus objetivos de
aprendizagem.
O
Dashboard
deve
ajudar
o estudante a assumir maior
responsabilidade sobre sua aprendizagem, resultando em menor carga de trabalho
para os professores, resultando, potencialmente, na melhoria da qualidade do
curso/disciplina. Para tanto, esta pesquisa coletou percepções de 22 (vinte e dois)
estudantes do ensino superior, por meio de um questionário do Google, abordando,
além das características sociodemográficas e educacionais dos participantes, as
suas opiniões sobre 3 dashboards propostos, no que se refere a: capacidade de os
dashboards informarem o estudante sobre seu nível atual no curso, o nível esperado
com base nos objetivos escolhidos, e as ações necessárias para atingir esses
objetivos. Os resultados mostram que o uso de dashboards tem o potencial de
apoiar a autorregulação da aprendizagem dos participantes, promovem a
consciência metacognitiva e a autorreflexão dos participantes, capacitando-os a
desempenhar um papel ativo em sua aprendizagem. Dessa forma, a proposta
contribui para um ambiente educacional mais dinâmico, facilitando a adaptação dos
estudantes às demandas do ensino on-line e mitigando a evasão escolar.
Palavras-chave: Ambiente de ensino on-line. Autorregulação da Aprendizagem.
Dashboards. Visualização de Dados.
ABSTRACT
With the advancement of online education, driven by the need to democratize
access to education and COVID-19 containment measures, the virtual environment
has become a significant part of students' lives. However, school dropout persists,
with lack of support, pedagogical doubts, and teacher workload overload standing out
as main challenges. To tackle this problem, the creation of a data visualization and
personalized
recommendations
system
is
proposed
to
support
students'
self-regulated learning. The system will integrate the student into a process that uses
data to present their status in relation to goals set by the teacher, including
interactions and performance in learning resources. Based on this status,
personalized recommendations will be offered, guiding the student to achieve the
proposed goals and maintain engagement. This approach is expected to reduce
dropout rates, generating individual and institutional economic benefits. As for
expected outcomes, the research aims to improve the quality of online learning and
decrease the feeling of abandonment by guiding students in the self-regulation
process. The study collected insights from 22 students through a Google
questionnaire, addressing sociodemographic characteristics, experiences with digital
educational technologies, and opinions about the proposed dashboards. The
dashboards inform the student about their current level in the course, the expected
level based on chosen goals, and the actions needed to achieve these goals. The
analysis revealed that the integration of dashboards and data analysis positively
influences
students'
self-regulation,
providing
an
integrated and adaptable
educational environment. The results indicate that dashboards, by offering
personalized support, promote metacognitive awareness and student self-reflection,
empowering them to play an active role in their learning. Thus, the proposal
contributes to a more dynamic educational environment, facilitating students'
adaptation to the demands of online education and mitigating school dropout.
Keywords: Online learning environment. Self-regulation of learning. Dashboard.
Data visualization.
LISTA DE FIGURAS
Figura 1
Figura 2
− Dashboard 1...............................................................................
− Barra de progresso temporal e cartões informativos do
dashboard 1………………………………………………………….
42
42
Figura 3
− Barra de desempenhos do dashboard 1....................................
42
Figura 4
− Lista de recomendações técnicas do dashboard 1…................
43
Figura 5
− Dashboard 2.............................................................................
44
Figura 6
− Barra de progresso temporal e cartões de interações
dashboard 2
44
Figura 7
− Painel de desempenhos dashboard 2........................................
45
Figura 8
− Lista de recomendações técnicas do dashboard 2…................
45
Figura 9
− Dashboard 3...............................................................................
47
Figura 10
− Barra de progresso temporal do dashboard 3............................ 47
Figura 11
− Painel de desempenhos do dashboard 3...................................
Figura 12
−
Painel
dos
recursos
disponíveis,
gráfico
de
ações
desenvolvidas e o gráfico de progresso do curso do dashboard
47
48
3.
Figura 13
− Gráfico de desempenhos (global) anteriores do dashboard 3… 48
Figura 14
− Lista de recomendações técnicas do dashboard 3…................
49
Figura 15
Figura 16
Figura 17
Figura 18
− Gráfico de barras com as frequências absolutas (n) e relativas
(%) das categorias de sexo. N = 22............................................
− Gráfico de barras com as frequências absolutas (n) e relativas
(%) das categorias de grau de escolaridade. N = 22……...........
− Gráfico de barras com as frequências absolutas (n) e relativas
(%) das categorias de área de formação. N = 22.......................
− Gráfico de barras com as frequências absolutas (n) e relativas
(%) das categorias de nível de experiência no uso de
57
57
57
58
computadores. N = 22.
Figura 19
− Gráfico de barras com as frequências absolutas (n) e relativas
(%) das categorias de nível de experiência com sistemas web.
58
N = 22.
Figura 20
− Gráfico de barras com as frequências absolutas (n) e relativas
(%) das categorias de nível de experiência com cursos on-line.
59
N = 22.
Figura 21
Figura 22
− Gráfico de barras com as frequências absolutas (n) e relativas
(%) das categorias de cursos on-line realizados. N = 22.
− Gráfico de barras com as frequências absolutas (n) e relativas
(%) das categorias de visualizações de dashboards com o
59
60
desempenho dos estudantes. N = 22………..............................
Figura 23
− Gráfico de barras com as frequências absolutas (n) e relativas
(%) das categorias de utilidade dos dashboards para com a
60
aprendizagem dos estudantes. N = 22……................................
Figura 24
− Gráfico de barras com as frequências absolutas (n) e relativas
(%) das categorias de objetivos do estudante num curso
61
on-line. N = 22
Figura 25
−
Gráfico de barras para as respostas, em escala Likert, a
perguntas referentes a contribuição dos elementos dos
62
dashboards para o objetivo escolhido. N = 22…………………...
Figura 26
− Gráfico de barras com as frequências absolutas (n) e relativas
(%) das categorias do dashboard que melhor apresenta o
desempenho do estudante. N = 22………………………………..
64
Figura 27
− Gráfico de barras com as frequências absolutas (n) e relativas
(%) das categorias do dashboard que melhor apresenta o
64
desempenho da turma. N = 22…………………………...............
Figura 28
− Gráfico de barras com as frequências absolutas (n) e relativas
(%) das categorias do dashboard que melhor apresenta o
65
desempenho esperado pelo professor/curso. N = 22.................
Figura 29
− Gráfico de barras com as frequências absolutas (n) e relativas
(%) das categorias do dashboard que melhor apresenta o que
65
o estudante precisa fazer para atingir o desempenho esperado
pelo professor/curso. N = 22……………………………………….
Figura 30
−
Gráfico de barras para as respostas, em escala Likert, a
perguntas
referentes
funcionalidades
dos
às
perguntas
dashboards
referentes
apresentados.
às
N
67
=
22………...
Figura 31
−
Gráfico de barras para as respostas, em escala Likert, a
perguntas referentes às perguntas referentes à consideração
68
do dashboard por ser esteticamente visual de acordo com os
apresentados. N = 22……………………………………………….
Figura 32
−
Gráfico de barras para as respostas, em escala Likert, a
perguntas referentes às perguntas referentes à consideração
69
do dashboard ser útil para atingir o objetivo de aprendizagem
de acordo com os apresentados. N = 22……………...............
Figura 33
−
Gráfico de barras para as respostas, em escala Likert, a
perguntas referentes às perguntas referentes à consideração
71
do dashboard ser facilmente utilizado para atingir o objetivo de
aprendizagem de acordo com os apresentados. N = 22……….
Figura 34
−
Gráfico de barras para as respostas, em escala Likert, a
perguntas referentes às perguntas referentes à chance e
frequência de utilização dos dashboards, caso disponíveis de
acordo com os apresentados. N = 22…………………………….
72
LISTA DE TABELAS
Tabela 1
− Hipóteses e as condições de aceitação..................................
20
Tabela 2
− Resumo das principais características da nossa proposta e
35
dos trabalhos relacionados......................................................
Tabela 3
Tabela 4
− Características sociodemográficas e experiência pregressa
com tecnologias educacionais digitais. N = 22........................
54
− Frequências absoluta (n) e relativa (%) das respostas, em
61
escala Likert, a perguntas referentes a contribuição dos
elementos dos dashboards para o objetivo escolhido. N = 22
Tabela 5
− Seleção do dashboard que apresenta mais adequadamente
62
cada uma das características. N = 22………………………….
Tabela 6
− Frequências absoluta (n) e relativa (%) das respostas, em
66
escala Likert, a perguntas referentes às funcionalidades dos
dashboards apresentados. N = 22………………...................
Tabela 7
− Frequências absoluta (n) e relativa (%) das respostas, em
68
escala Likert, a perguntas referentes à consideração do
dashboard por ser esteticamente visual, de acordo com os
apresentados. N = 22…………………………….......................
Tabela 8
− Frequências absoluta (n) e relativa (%) das respostas, em
escala Likert, a perguntas referentes à consideração do
dashboard ser útil para atingir o objetivo de aprendizagem,
de acordo com os apresentados. N = 22………………...........
69
Tabela 9
− Frequências absoluta (n) e relativa (%) das respostas, em
70
escala Likert, a perguntas referentes à consideração do
dashboard ser facilmente utilizado para atingir o objetivo de
aprendizagem, de acordo com os apresentados. N =
22.............................................................................................
Tabela 10
− Frequências absoluta (n) e relativa (%) das respostas, em
escala Likert, a perguntas referentes à chance e frequência
de utilização dos dashboards, caso disponíveis, de acordo
com os apresentados. N = 22………………….......................
71
LISTA DE ABREVIATURAS E SIGLAS
AAAL
Aprendendo em qualquer lugar, a qualquer hora e por qualquer pessoa
(do inglês, anywhere, anytime and anyone learning)
SRL
Autorregulação da aprendizagem (do inglês, Self-regulated learning)
DA
Desempenho atual do estudante
DE
Desempenho esperado pelo estudante
REC
Recomendações para o estudante
D1
Painel de bordo (do inglês, Dashboard 1)
D2
Painel de bordo (do inglês, Dashboard 2)
D3
Painel de bordo (do inglês, Dashboard 3)
TAM
Modelo de aceitação de tecnologia (do inglês, Technology acceptance
model)
AVA
Ambiente virtual
environments)
OSLQ
Questionário de aprendizagem autorregulada on-line (do inglês, Online
self-regulated learning questionnaire)
RED
Recursos educacionais
resources)
LAD
Painel de análise da aprendizagem (do inglês, Learning analytics
dashboard)
de
aprendizagem (do inglês, Virtual learning
digitais
(do
inglês,
Digital
educational
SUMÁRIO
1.
INTRODUÇÃO………………………………………………………….
14
1.1
Contextualização e Motivação………………………………………...
14
1.2
Problematização………………………………………………………...
15
1.3
Proposta da Solução……………………………………………………
19
1.4
Objetivos…………………………………………………………………
19
1.5
Hipóteses………………………………………………………………...
20
1.6
Metodologia……………………………………………………………...
22
1.7
Resultados e Conclusões……………………………………………
22
1.8
Organização do Trabalho………………………………………………
23
2.
FUNDAMENTAÇÃO TEÓRICA……………………………………….
25
2.1
Autorregulação da Aprendizagem…………………………………….
25
2.2
Visualização de Dados…………………………………………………
26
2.3
Dashboards……………………………………………………………...
27
2.4
Technology Acceptance Model (TAM).............................................
29
3.
TRABALHOS RELACIONADOS……………………………………
31
3.1
Autorregulação da Aprendizagem: Abordagens teóricas e
desafios para as práticas em contextos educativos………………...
31
3.2
Um Dashboard Educacional para um Sistema Tutor baseado em
passos……………………………………………………………………
32
3.3
O uso de Dashboard na Identificação do Desempenho de Alunos
de Matemática Básica………………………………………………….
32
3.4
Student Perception of a Learn Dashboard in MOOCs to
Encourage Self-Regulated Learning………………………………….
33
3.5
Effects of learning analytics dashboard: analyzing the relations
among dashboard utilization, satisfaction, and learning
achievement……………………………………………………………..
34
3.6
Tabela Comparativa…………………………………………………….
34
4.
PROPOSTA
36
4.1
Contextualização e Problema…………………………………………
36
4.2
A Especificação da Proposta………………………………………….
37
4.2.1
Primeira Etapa…………………………………………………………..
37
4.2.2
Segunda Etapa………………………………………………………….
38
4.2.3
Terceira Etapa…………………………………………………………...
39
4.3
Objetivos…………………………………………………………………
40
4.4
Design dos dashboards (painéis de bordo)..................................
41
4.4.1
Dashboard 1……………………………………………………………..
41
4.4.4.1 Análise dos indicadores do dashboard 1…………………………….
43
4.4.2
Dashboard 2……………………………………………………………..
44
4.4.2.1 Análise dos indicadores do dashboard 2…………………………….
46
4.4.3
Dashboard 3……………………………………………………………..
46
4.4.3.1 Análise dos indicadores do dashboard 3…………………………….
49
5.
METODOLOGIA………………………………………………………..
51
5.1
O Questionário (formulário).............................................................
51
5.2
Experimento……………………………………………………………..
51
5.2.1
Primeira Etapa (Aceite de participação dos estudantes).................
52
5.2.2
Segunda Etapa (Apreciação dos dashboards)................................
52
5.2.3
Terceira Etapa (Preenchimento do questionário TAM )...................
52
5.2.4
Quarta Etapa (Avaliação da utilidade do dashboard)......................
53
5.2.5
Quinta Etapa (Análise estatística dos dados)..................................
53
6.
RESULTADOS E DISCUSSÕES……………………………………..
54
6.1
Características
Sociodemográficas
e
Experiência
com
Tecnologias Educacionais Digitais………………………………….
54
6.2
Contribuição dos elementos dos dashboards para o objetivo
escolhido…………………………………………………………………
61
6.3
Visualização e contribuição das características dos três
dashboards………………………………………………………………
62
6.4
Contribuição das funcionalidades dos dashboards apresentados
65
6.5
Opinião quanto à estética visual dos dashboards…………………..
67
6.6
Opinião quanto à utilidade dos dashboards………………………….
68
6.7
Opinião quanto à facilidade de uso dos dashboards………………
70
6.8
Chance e frequência de utilização dos dashboards, caso
disponíveis……………………………………………………………….
71
7.
CONCLUSÃO…………………………………………………………...
73
REFERÊNCIAS…………………………………………………………
76
14
1. INTRODUÇÃO
Neste capítulo, será apresentada a motivação e o contexto desta
pesquisa, em seguida, a problemática da pesquisa, descrevendo de forma breve a
proposta de solução, os objetivos, as hipóteses, a metodologia, os resultados da
pesquisa e, por fim, a organização geral do trabalho.
1.1 Contextualização e Motivação
A educação on-line é uma modalidade educacional que visa possibilitar o
ensino de qualquer lugar, a qualquer momento e para qualquer pessoa, modalidade
denominada
(AAAL,
do
inglês,
anywhere,
anytime
and
anyone learning)
(BITTENCOURT, 2009). Sendo uma alternativa para a democratização e acesso à
educação, apresentando crescimento constante em todo o mundo, devido a fatores
incluindo a difusão de tecnologias como a internet e smartphones. Conforme o
Censo da Educação Superior 2021, entre os anos de 2011 e 2021, o número de
ingressantes em cursos superiores de graduação, na modalidade de educação a
distância (EaD), aumentou 474% (quatrocentos e setenta e quatro por cento)1.
Alguns pesquisadores previram que o ensino a distância entraria na corrente
principal por volta de 2025 (PALVIA, 2018), mas isto pode ter sido acelerado em
decorrência das repercussões, para a educação, devido a pandemia (COVID-19)
(SAHU, 2020).
A referida pandemia provocou o isolamento social, que demandou o
fechamento de diversas instituições de ensino. Como alternativa ao ensino
presencial, a modalidade on-line foi uma das poucas alternativas possíveis para a
continuidade das atividades educacionais, mostrando a sua importância e
versatilidade (BOZKURT, 2020).
Contudo, a transição abrupta para a educação on-line trouxe desafios
devido à falta de tempo para preparo e desigualdades na infraestrutura tecnológica.
Muitos educadores foram desafiados a se adaptar rapidamente ao ensino remoto,
enfrentando dificuldades na transição para plataformas on-line e no desenvolvimento
de novas estratégias pedagógicas (RIGO; SERRI; SILVA, 2023). Conforme
Gov.Br Ministério da Educação. Ensino a distância cresce 474% em uma década. Novembro, 2022.
Disponível em:Ensino a distância cresce 474% em uma década — Ministério da Educação
(www.gov.br). Acessado em 19 jan. 2024.
1
15
destacado por Lima (2021), a capacitação dos professores é essencial para
enfrentar os desafios do ensino remoto e proporcionar uma educação de qualidade.
Além disso, a experiência da pandemia ressalta a importância de
desenvolver a educação on-line para torná-la uma alternativa eficaz em situações
onde a educação presencial não é viável. Conforme discutido por Oliveira et al.
(2021) a inexperiência no uso de plataformas on-line, carência de professores ou
tutores, o distanciamento social e a ausência de dispositivos e conexões adequadas
impactaram negativamente a qualidade do ambiente de aprendizagem. Esses
desafios destacam a necessidade urgente de investimentos em suporte na
capacitação de profissionais para o eficaz uso das potencialidades da educação
on-line (SILVA; SANTOS, 2020).
1.2 Problematização
Entretanto, a aprendizagem on-line traz alguns desafios e problemas
(MORAN, 2015). Um desses desafios é a grande quantidade de estudantes
desistentes. A evasão é um fenômeno que ocorre globalmente, em todos os níveis
acadêmicos e recorrente nas instituições de ensino públicas e privadas, e vem
sendo objeto de estudo de várias pesquisas, objetivando entender e encontrar as
suas causas (PASSOS; BARBOSA; LACERDA, 2020).
O Brasil segue com altas taxas de evasão; 61,7% (sessenta e um vírgula
sete por cento), um percentual maior que os da taxa de permanência e conclusão
que é de 11,4% (onze vírgula quatro por cento) e 26,9% (vinte e seis vírgula nove
por cento), segundo a 13ª Edição do Mapa de Ensino Superior do Brasil2 do Instituto
SEMESP.
Os estudantes evadem por diversos motivos, sendo a falta de suporte
para resolução de suas dúvidas e dificuldades pedagógicas um dos mais recorrentes
(PAIVA, 2017). Contudo, outros estudos mostram que a carga de trabalho dos
professores e tutores responsáveis por tais cursos é muito grande (KOLOWICH,
2013), não sendo uma solução viável continuar a atribuir a professores e/ou tutores
todas as demandas pedagógicas de seus estudantes.
2
Instituto SEMESP. Mapa do Ensino Superior do Brasil 13ª Edição - 2023. Disponível em: Mapa do
Ensino Superior – Instituto Semesp. Acessado em 19 jan. 2024.
16
É imperativo fomentar um ambiente educacional que estimule os
estudantes a assumirem o protagonismo de seu próprio aprendizado. Assim, os
educadores precisam desenvolver, monitorar, transformar, inovar, substituir os seus
moldes mentais, arquétipos, hábitos, cultura, buscar o desconforto produtivo,
flexibilizar, adaptar (FAVA, 2014).
A promoção desse engajamento ativo não apenas fortalece a autonomia
dos estudantes, mas também potencializa a eficácia do processo educativo.
Estudantes encorajados tendem a tomar as rédeas de sua jornada de
aprendizagem,
desenvolvendo
habilidades
necessárias
para
um
raciocínio
independente, autodisciplina e resiliência. Permitindo ainda nutrir a sua capacidade
exploratória, de questionamento e de buscar soluções, tornando-o mais proativo e
criativo.
Assim, tem-se o seguinte problema de negócio: Como apoiar os
estudantes a protagonizarem a própria aprendizagem em ambientes on-line?
Uma possível abordagem é apoiarmos os estudantes a assumirem maior
protagonismo e responsabilidade no seu processo de aprendizagem. Essa
abordagem nos direciona para a autorregulação da aprendizagem que, segundo
Rodrigues (2016), é o grau em que os estudantes atuam de forma metacognitiva,
motivacional e comportamental sobre os próprios processos que envolvem o
aprender. Em relação aos aspectos metacognitivos, os estudantes planificam,
estabelecem objetivos, organizam, se monitoram e se avaliam no decurso do
processo de aprendizagem, adotando uma postura autoconsciente, conhecedora e
decisiva na aprendizagem.
A SRL - autorregulação da aprendizagem (SRL, do inglês, self-regulated
learning) diz respeito ao processo pelo qual os indivíduos ativam, orientam,
monitoram e se responsabilizam pela sua própria aprendizagem (BORUCHOVITCH;
GOMES, 2019. p. 9). Quanto aos aspectos motivacionais, cumpre um papel
fundamental a autoeficácia, as atribuições causais e um interesse intrínseco nas
atividades acadêmicas, mas também o tipo de objetivos, a volição, resultando em
iniciativa pessoal, esforço constante e persistência durante o processo de
aprendizagem. Relativamente aos fatores comportamentais, foram identificadas
estratégias de seleção, estruturação e criação de ambientes que auxiliam o
processo de aprendizagem (DE CORTE, 2019; ADAM, 2017; PANADERO, 2014).
17
Assim, percebe-se na SRL um conjunto de habilidades desejadas e com
potencial de ajudar os estudantes nos ambientes de aprendizagem on-line a
desenvolver o protagonismo por sua aprendizagem, reduzindo e equilibrando a
dependência
desses
estudantes
em
relação
às
intervenções
dos
professores/tutores. Uma ajuda de extrema importância, dado que os estudantes
podem vivenciar sensações de abandono por parte dos professores que, por sua
vez, não têm condições de dar a atenção necessária a estes na modalidade do
ensino on-line, em virtude de suas cargas de trabalho (criação e acompanhamento
dos cursos).
A promoção da SRL em ambientes de ensino on-line pode ser aprimorada
por meio de estratégias computacionais que ofereçam suporte visual personalizado
aos estudantes. Um painel de bordo (do inglês, dashboard) eficaz pode ser uma
importante
ferramenta
para
apoiar
os processos de
autorregulação da
aprendizagem dos estudantes, fazendo uso da visualização de dados e
recomendações personalizadas, criadas com base no desenvolvimento de cada
estudante. Isso permitiria aos estudantes monitorar o seu próprio progresso
definindo metas e as estratégias necessárias, possibilitando que
assumam um
papel ativo na sua jornada de aprendizagem.
Contudo, um dashboard pode apresentar vários dados, em diferentes
configurações e utilizando diversos recursos visuais. Surgem, então, os seguintes
questionamentos: que dados exibir? Em que ordem e disposição esses dados
devem ser exibidos? Quais dados merecem destaque? Que cores, fontes e imagens
utilizar? Esses fatores são influenciados por características dos usuários? Dentre
outras dúvidas.
Assim, como problema técnico, temos: Quais as preferências dos
usuários sobre as características visuais de um dashboard para apoiar a
autorregulação da aprendizagem de estudantes on-line?
Portanto, esta pesquisa visa estudar, aplicar e avaliar o uso da
visualização de dados para apoiar a SRL de estudantes nos ambientes de ensino
on-line. Estas técnicas serão usadas para ajudar os estudantes a: (a) identificar em
que estado se encontram em relação ao que é esperado para cada momento do
curso; (b) identificar e alertá-los sobre suas dificuldades pedagógicas; e (c) orientar
os estudantes a realizar ações que os ajudem a superar essas dificuldades.
18
Normalmente, dentro de um ambiente de ensino on-line, o professor/tutor
não interage com os estudantes, o professor/tutor idealmente através dos registros
das interações destes estudantes com os recursos disponibilizados para um
determinado intervalo de tempo, avalia os relatórios individualmente verificando os
progressos. Devendo, ainda, entender o que está acontecendo com os estudantes
que não progridem, apresentando as intervenções necessárias para melhorar a
aprendizagem destes, devendo ainda
verificar se o estudante executou as
recomendações propostas. Diante destas obrigações, se constatam as inúmeras
ações que o professor/tutor deverá desenvolver para cada aluno matriculado, o que
compromete significativamente as suas ações.
Sendo assim, é recomendável que o estudante assuma o protagonismo
de sua aprendizagem. Mas como fazer isto? Os dados registrados são analisados
pelo professor/tutor, para se verificar o processo de aprendizagem dos estudantes.
Como geralmente os estudantes não compreendem os resultados brutos
proveniente das análises que são desenvolvidas, por meio da estatísticas ou de
algum algoritmo de aprendizagem de máquina, se faz necessário fornecer aos
estudantes uma forma intuitiva de interação com estes resultados.
O objetivo é proporcionar aos estudantes um entendimento do que está
acontecendo com a sua aprendizagem, lhe permitindo monitorar e tomar as próprias
decisões para as correções necessárias. Para isto, se fará uso das visualizações de
dados. De acordo com o glossário do Gartner (2022), visualização de dados é uma
forma
de
representar
informações
graficamente,
destacando
padrões
e
possibilitando a compreensão de comportamentos e tendências a partir dos dados,
de modo que auxilie o usuário na obtenção de insights rápidos.
Um tipo de visualização de dados são os dashboards.
Também conhecido como painéis, é um tipo de interface gráfica de usuário
que exibe, por meio de elementos visuais, informações relevantes de
negócios, que auxiliam o usuário na organização dos resultados no
processo de tomada de decisão (FREEPIK, 2022).
Os dashboards fornecerão aos estudantes informações e dados a
respeito da sua própria aprendizagem, apoiando as suas tomadas de decisões e
mediante estas, verificará o que preciso fazer para uma aprendizagem mais
proveitosa.
19
E para a nossa pergunta de pesquisa temos: Quais atributos dos
dashboards melhor apoiam a autorregulação da aprendizagem dos estudantes de
ambientes de aprendizagem on-line?
1.3 Proposta de Solução
A pesquisa se propõe a apresentar aos estudantes (participantes)
originários das instituições públicas de ensino superior do nosso Estado, 03 (três)
dashboards distintos, dispostos no questionário (experimento), por meio de um link
de acesso, criados com base em técnicas de visualização de dados, apresentando
elementos, características e funcionalidades personalizadas. Apresentando o
monitoramento do progresso do estudante, da turma e do esperado pelo
professor/curso, as interações e os desempenhos individuais, além de uma lista de
recomendações técnicas, propondo leituras dos materiais didáticos (textos e vídeos)
e resoluções para as questões propostas.
A integração de tecnologias como dashboards e análise de dados,
proporcionaram um ambiente educacional integrado, dinâmico e adaptável,
capacitando os estudantes através das informações visuais claras e personalizadas,
a uma consciência metacognitiva, mas também a autorreflexão, permitindo que
assumam um papel ativo na sua SRL.
1.4 Objetivos
O objetivo geral desta pesquisa, visa estudar, aplicar e avaliar o uso da
visualização de dados para apoiar a autorregulação da aprendizagem de estudantes
em ambientes de ensino on-line. O que será feito, comparando as 03 (três)
propostas de dashboards. De forma específica, esta pesquisa visa aplicar técnicas
da área de visualização de dados:
a) Apresentar e avaliar o apoio da exibição do estado que o estudante se
encontra (ou seja, o seu desempenho atual) em relação ao desempenho da turma e
à expectativa do professor/curso;
b) Apresentar e avaliar o apoio da exibição do estado do estudante em
comparação ao desempenho da turma e à expectativa do professor/curso;
20
c) Apresentar e avaliar o apoio de recomendações técnicas que indiquem
ao estudante o que realizar para alcançar o desempenho esperado conforme seu
objetivo de aprendizagem.
1.5 Hipóteses
As hipóteses analisadas nesta pesquisa se baseiam nos seguintes
pressupostos, ou seja, para o estudante se autorregular ele precisa ser capaz de
identificar as seguintes situações: (a) o desempenho atual do estudante em um
determinado momento (DA); (b) qual o desempenho esperado para o estudante
nesse determinado momento (DE); e (c) o que fazer para atingir o desempenho
esperado (REC).
Avaliaremos a capacidade de cada um dos dashboards propostos (D1, D2
e D3) em representar cada um dos 03 (três) pressupostos apresentados, gerando as
seguintes hipóteses (Tabela 1):
Tabela 1 - Hipóteses e as condições de aceitação.
Hipótese
Descrição
Condição de Aceitação
Hipótese Nula (HO1)
Não há diferença entre os
dashboards
em
relação
a
identificar o desempenho atual do
estudante (DA).
DA.D1 = DA.D2 = DA.D3
Para identificar o desempenho
atual do estudante (DA) o
dashboard n. 1 foi melhor que o
dashboard n. 2.
DA.D1 > DA.D2
Para identificar o desempenho
atual do estudante (DA) o
dashboard n. 1 foi melhor que o
dashboard n. 3.
DA.D1 > DA.D3
Para identificar o desempenho
atual do estudante (DA) o
dashboard n. 2 foi melhor que o
dashboard n. 3.
DA.D2 > DA.D3
Hipótese Alternativa
(HA1)
21
Hipótese Nula (HO2)
Hipótese Alternativa
(HA2)
Hipótese Nula (HO3)
Hipótese Alternativa
(HA3)
Não há diferença entre os
dashboards
em
relação
a
identificar
o
desempenho
esperado para o estudante (DE).
DE.D1 = DE.D2 = DE.D3
Para identificar o desempenho
esperado para o estudante (DE) o
dashboard n. 1 foi melhor que o
dashboard n. 2.
DE.D1 > DE.D2
Para identificar o desempenho
esperado para o estudante (DE) o
dashboard n. 1 foi melhor que o
dashboard n. 3.
DE.D1 > DE.D3
Para identificar o desempenho
esperado para o estudante (DE) o
dashboard n. 2 foi melhor que o
dashboard n. 3.
DE.D2 > DE.D3
Não há diferença entre os
dashboards
em
relação
a
identificar o que o estudante
precisa fazer para atingir o seu
objetivo de aprendizagem (REC).
REC.D1 = REC.D2 =
REC.D3
Para identificar o que o estudante
precisa fazer para atingir o seu
objetivo
de
aprendizagem
dashboard n. 1 foi melhor que o
dashboard n. 2.
REC.D1 > REC.D2
Para identificar o que o estudante
precisa fazer para atingir o seu
objetivo
de
aprendizagem
dashboard n. 1 foi melhor que o
dashboard n. 3.
REC.D1 > REC.D3
Para identificar o que o estudante
precisa fazer para atingir o seu
objetivo
de
aprendizagem
dashboard n. 2 foi melhor que o
dashboard n. 3.
REC.D2 > REC.D3
Fonte: Tabela elaborada pelo autor.
22
1.6 Metodologia
Com a finalidade de avaliar a proposta desta pesquisa, foi aplicado um
questionário (formulário Google) intitulado de ANÁLISE DA PERCEPÇÃO DE
ESTUDANTES ON-LINE, SOBRE PAINÉIS DE BORDO PARA ORIENTAR SEUS
OBJETIVOS DE APRENDIZAGEM, composto por afirmações com estruturas na
escala Likert, dissertativas longas e curtas, enviados aos estudantes (participantes)
originários das instituições públicas de ensino superior, com o objetivo de analisar
como os 03 (três) painéis de bordo (do inglês, dashboards) propostos os ajudavam a
autorregular sua aprendizagem.
O questionário inicialmente solicitará as características sociodemográficas
e o nível de experiência com tecnologias educacionais digitais dos participantes.
Seguido da apreciação dos dashboards propostos (dashboards 1, 2 e 3) com o
objetivo de verificar se estes foram compreendidos quanto a identificação de onde o
estudante se encontra (status atual) num determinado momento no curso, onde
deveria estar (status desejado) num determinado momento do curso e o que fazer
para atingir o objetivo definido.
Se verificará também se as recomendações técnicas apresentadas nos
dashboards estão apropriadas, se ajudam e fazem sentido para a SRL. Com isto, o
estudante (participante) demonstrará ter entendido o propósito dos dashboards.
Ratificando este entendimento ao apresentar suas opiniões para a utilidade e
compreensão das visualizações, e se estas guiam os estudantes (participantes) na
sua aprendizagem.
Por fim, os resultados serão analisados para verificar o processo de
aprendizagem dos estudantes (participantes). Análises que serão realizadas pelo
software R versão 4.3.0 (R Core Team, 2023). Para isto, os dados serão tabulados
em uma planilha de extensão .CSV Comma-Separated-Values e importados para a
linguagem R para as análises estatísticas descritivas.
1.7 Resultados e Conclusões
Os participantes apresentaram um bom nível de escolaridade com
predominância de participantes do sexo masculino nas ciências exatas. A definição
para a escolha do objetivo de aprendizagem (pergunta feita aos participantes sobre
qual o objetivo de aprendizagem dos mesmos ao realizarem um curso on-line)
23
apresenta um empate entre as opções: atingir ou superar a média esperada pelo
professor/curso, e entre as opções: superar a média da turma, com outros objetivos
de aprendizagem, o aprimoramento e a autossuperação.
Em relação aos dashboards propostos, dashboard 1 foi, segundo os
participantes, o que melhor apresentou o desempenho da turma e, também, foi o
melhor em promover a ativação, orientação e responsabilização do estudante por
sua aprendizagem (critérios da SRL), empatando com o dashboard 3 no critério
monitoração. Além disso, foi considerado o mais fácil de ser utilizado.
O dashboard 2 foi segundo os participantes, foi a segunda melhor opção
para apresentar o desempenho da turma e o que o estudante precisa fazer para
atingir o desempenho esperado pelo professor/curso e a última opção para
apresentar o desempenho do estudante e o desempenho esperado pelo
professor/curso. Foi considerado o menos adequado para ativar, orientar, monitorar
e responsabilizar o estudante por sua aprendizagem (critérios da SRL) e ainda
considerado o segundo melhor esteticamente e útil, empatando com o dashboard 3
na segunda opção quanto à facilidade de uso.
Por fim, para o dashboard 3 conforme os participantes, foi considerado o
melhor para apresentar o desempenho do estudante, o desempenho esperado pelo
professor/curso e o que o estudante precisa fazer para atingir o desempenho
esperado
pelo
professor/curso, empatou com o dashboard 1 no critério
monitoramento (critério da SRL). Além disso, foi considerado o mais estético (mais
visual) e mais útil.
Assim, percebemos que cada dashboard apresentou pontos de destaque
em relação aos demais, entretanto devido ao tamanho da amostra não foi possível a
realização de testes estatísticos que apresentassem dados confiáveis. Assim, a
avaliação das hipóteses se deu por indícios, com base na análise descritiva dos
resultados. Contudo, essa observação nos orienta à criação de um novo dashboard,
contendo os pontos fortes de cada um dos dashboards propostos.
1.8 Organização do Trabalho
A presente dissertação está organizada da seguinte forma: o Capítulo 2
(Fundamentação Teórica) aborda os principais conceitos e definições sobre o tema
desta pesquisa; O Capítulo 3 (Trabalhos Relacionados) elenca os principais
24
trabalhos relacionados com o problema de pesquisa; O Capítulo 4 (Proposta)
apresenta a proposta de solução da pesquisa; O Capítulo 5 (Metodologia) expõe as
atividades que foram executadas para a avaliação da proposta; O Capítulo 6
(Resultados e Discussão) expõe um relato e uma discussão dos resultados obtidos
na pesquisa; e por fim, o Capítulo 7 (Conclusão) onde será apresentado as
conclusões, limitações e trabalhos futuros.
25
2. FUNDAMENTAÇÃO TEÓRICA
Neste
capítulo,
será abordado de forma breve os temas que
fundamentam, teoricamente, este trabalho. A saber: SRL - autorregulação da
aprendizagem (SRL, do inglês, self-regulated learning), visualização de dados,
painéis de bordo (do inglês, dashboards) e o TAM - modelo de aceitação de tecnologia
(TAM, do inglês, technology acceptance model).
2.1 Autorregulação da Aprendizagem
Como observado por Magalhães et al. (2021), a educação no Brasil
enfrenta em momento crítico de realização e transformação, impulsionado pela
necessidade de adaptação a novas realidades impostas pela pandemia (COVID-19).
Com isto, inúmeros pesquisadores da educação e da psicologia tem buscado
compreender melhor essa realidade e principalmente uma maneira de revertê-la.
Surgindo assim, um novo cenário na educação, barreiras a serem rompidas e
desafios a serem enfrentados.
A autorregulação da aprendizagem tem uma longa tradição e se tornou
um tema significativo na psicologia da educação ao longo das últimas décadas
(PANADERO,
2017).
Segundo
Zimemerman
(2013),
a
autorregulação
da
aprendizagem pressupõe uma conduta consciente, auto reflexiva e pró-ativa do
indivíduo. Basicamente, é quando o aluno consegue organizar, por conta própria,
todos os mecanismos necessários para o seu aprendizado, estruturando,
monitorando e avaliando seus resultados. Complementando, temos que a teoria da
SRL define a aprendizagem como um processo orientado a objetivos no qual os
alunos fazem escolhas conscientes enquanto trabalham em direção às metas de
aprendizagem (WINNE, 2015).
Aplicado ao campo da educação, este conceito compreende um amplo
conjunto de processos e estratégias tal como o estabelecimento de
objetivos, a organização e recuperação da informação aprendida, a
construção de um ambiente de trabalho que favoreça o rendimento
acadêmico, a gestão de tempo e a procura de ajuda necessária, entre
outros. O núcleo dos processos de autorregulação reside na escolha e no
controle, sendo por isso fundamental discutir o processo de
ensino-aprendizagem desde a perspectiva do aluno (ROSÁRIO et al., 2010,
p.350).
26
Santana e Moreira (2020) afirmam que, na atualidade, é de suma
importância conhecer e compreender as múltiplas formas pelas quais professores e
estudantes se informam e aprendem, de maneira interativa e conectada. E
corroborando, para Pessoa e Machado (2019, p. 237), trabalhar com a tecnologia
computacional em sala de aula é experienciar as diferentes formas de aprendizagem
e buscar nelas o próprio conhecimento. Sendo assim, o estudante protagoniza seu
processo de aquisição e construção do conhecimento (aprendizagem). A capacidade
de aprender é inerente a todo indivíduo (PILLETI, 2013). Dessa forma, entende-se
que todo indivíduo é capaz de realizar a autorregulação da sua aprendizagem,
mesmo que em níveis distintos (SAMPAIO; POLYDORO; ROSÁRIO, 2012).
Nesse contexto, Rocha (2020) ressalta que o ensino on-line invadirá a
vida dos estudantes pós pandemia, configurando-se em uma tendência na área de
educação para o futuro, mesmo que seja em formatos de ensino híbridos, ou seja,
que possuem partes da carga horária de estudo presencial e outra parte, on-line.
Desse modo, torna-se relevante analisar a SRL dos estudantes inseridos em cursos
on-line, uma vez que este tipo de ensino tem ganhado força.
2.2 Visualização de Dados
A produção e utilização dos dados têm sido cada vez mais frequente a
cada ano, o que tende a evoluir ainda mais em virtude do grande número de
sensores e dispositivos que enviam informações a todo momento. Dados estes que
devem ser coletados, explorados, processados, armazenados, analisados e
finalmente convertidos em informações importantes. Para McInerny (2014), temos
que saber como mostrar essa informação valiosa de forma adequada e
compreensível, para que todos os destinatários possam entendê-la e ajudar na
tomada de decisões.
A visualização da informação é um recurso comum usado para refletir
sobre informações que seriam difíceis de compreender com descrições textuais ou
números tabulados (FEW, 2006). Nesse contexto, a visualização de dados tem
crescido consideravelmente em importância nos últimos anos, por se tratar de uma
ferramenta poderosa em mostrar tendências e dados mais simples.
Entretanto,
a
mesma
poderá
apresentar
algumas limitações ou
“problemas”: (a) ferramentas de visualizações de dados que mostram, mas não
27
explicam; (b) simplificação excessiva dos dados; (c) as limitações humanas dos
algoritmos; e (d) da visualização de dados aos dados Storytelling.
Além das limitações apresentadas acima se faz necessário observar
princípios básicos para uma melhor visualização dos dados3: (a)
Utilização
adequada das tabelas e gráficos; (b) Agrupamento dos dados da forma correta; (c)
Fornecimento de um contexto para os gráficos e tabelas; (d) Escolha das cores
corretas; (e) Utilização da interatividade; (f) Cuidado com os títulos; (g) Atenção
especial ao design; (h) Ajuste dos elementos ao espaço; (i) Alinhamento vertical e
horizontal dos dados; e (j) Não se limitar aos templates do powerpoint.
A inclusão da visualização de dados nos ambientes educacionais irá
proporcionar um aspecto mais inovador entre os mundos do aprender e do ensinar,
apresentando informações de maneira mais clara e objetiva, contando ainda com o
reforço proposto pela credibilidade dos dados.
2.3 Dashboards
Para melhor termos acesso às informações e ainda contribuir para uma
tomada de decisão mais assertiva, temos os painéis de bordo (dashboards). Para
Bitencourt e Ferrero (2019), um dashboard permite realizar diversos procedimentos,
tais como: junção, ligação, agrupamento de dados entre outros sobre dados brutos
de forma rápida e apresenta dados em um formato visual que podem ser
rapidamente consultados e monitorados.
Conforme Malik (2005), um dashboard é uma interface de computador
rica com gráficos, relatórios, indicadores visuais e mecanismos de alerta que são
consolidados em uma plataforma de informação dinâmica e relevante. Na educação,
a utilização de dashboards facilita a visualização e a ponderação das informações
geradas, possibilitando apoio ao professor nas tomadas de decisão (BORGES;
WALTRICK, 2020).
Consequentemente, para estudantes e professores/tutores, dashboards
de aprendizagem podem ser extremamente úteis, pois apresentam uma visão geral
de suas atividades e de como eles se relacionam como participantes na experiência
de aprendizagem (DUVAL, 2011). Além do apresentado, segundo Verbert et al.
(2013), a maioria destes dashboards são implantados para apoiar professores e/ou
3
farol Data Analytics, 10 Princípios básicos da visualização de dados. Dezembro, 2022. Disponível
em: 10 princípios básicos da visualização de dados - (farolbi.com.br). Acessado em 21 dez. 2023.
28
tutores na obtenção de uma visão geral da atividade do curso, para refletir sobre sua
prática de ensino, e encontrar estudantes em risco.
Devido aos diversos tipos de geração de informação possíveis,
indiscutivelmente o formato visual sobressai sobre os demais. Os dashboards são
apresentados basicamente em 04 (quatro) tipos4 necessários para suprir a
necessidade de monitoramento dos resultados, o analítico, o executivo, o
operacional, o tático e o estratégico.
a) Dashboard Analítico - Tem como propósito avaliar se os objetivos
traçados estão sendo cumpridos. Para isso ele apresenta uma linha de tendência da
evolução dos indicadores de performance. O grande diferencial desse painel é que
ele é atualizado em tempo real. Assim, os gestores conseguem visualizar o impacto
que as decisões exercem na empresa atuando com rapidez. Como exemplo, temos
o Google Analytics.
b) Dashboard Executivo - Esse painel é utilizado para acompanhar
indicadores de performance e KPIs - Key Performance Indicator. Bem como, medir o
desempenho de processos. Este, apresenta a informação já tratada, facilitando a
tomada de decisão. Isso acontece devido sua estrutura ser composta por gráficos e
recursos visuais que facilitam a compreensão dos dados. O Balanced ScoreCard é
um exemplo de um dashboard executivo, com ele, os gestores conseguem avaliar
oportunidades e melhorias que devem ser implementadas para que o negócio
cresça.
c) Dashboard Gestão de Projetos - Como o próprio nome já sugere, esse
dashboard permite acompanhar a evolução de um projeto. Assim, informações como
cronograma, atividades previstas e pessoas envolvidas ficam todas centralizadas no
painel. O uso desta interface nos proporciona inúmeros benefícios, tais como:
potencialização dos trabalhos desenvolvidos, auxílio em tomadas de decisões mais
precisas, redução de custos, mão de obra e otimização da comunicação.
d) Dashboard Operacional - Por fim, o dashboard operacional costuma
focar apenas em alguns tipos de processos. Dessa forma, ele permite análises
específicas, através de métricas que devem ser acompanhadas por analistas para
otimização e maior agilidade nas correções de rotas. Através dos dados fornecidos
4
Elévon Marketing.Como o uso de um dashboard pode melhorar o seu negócio. Disponível em:
Como o uso de um dashboard pode melhorar o seu negócio (elevon.com.br). Acessado em 25 dez,
2023.
29
permitem ainda identificar problemas pontuais e/ou tendências negativas que podem
estar acontecendo, viabilizando sua correção.
2.4 Technology Acceptance Model
Estudos e pesquisas sobre aceitação de tecnologia, por indivíduos e
organizações, têm apresentado um forte crescimento nas últimas décadas. Estudos
que objetivam buscar melhorias constantes, e identificar fatores intrínsecos e
extrínsecos envolvidos nas decisões, intenções e satisfação dos indivíduos, quanto
à aceitação e ao uso da tecnologia da informação, através de vários testes e
métodos de avaliação (DIAS; ZWICKER; VICENTIN, 2003), (VENKATESH;
MORRIS; DAVIS, 2003), (SILVA, 2005) e (LÖBLER, 2006).
O TAM - modelo de aceitação de tecnologia (TAM, do inglês, technology
acceptance model), conforme Davis (1989), é um fundamento teórico para explicar e
prever a aceitação de um indivíduo às tecnologias de informação. Ainda segundo
Davis (1989), as pessoas tendem a usar ou não uma tecnologia com o objetivo de
melhorar seu desempenho no trabalho - utilidade percebida. Porém, mesmo que
essa pessoa entenda que uma determinada tecnologia é útil, sua utilização poderá
ser prejudicada se o uso for muito complicado, de modo que o esforço não
compense o uso - facilidade de uso percebida. Os dois principais determinantes do
modelo TAM se dão da seguinte maneira:
a) Utilidade percebida - Grau em que uma pessoa acredita que o uso de
um sistema particular pode melhorar seu desempenho;
b) Facilidade de uso percebida - É o grau em que uma pessoa acredita
que o uso de um sistema de informação será livre de esforço.
Segundo Saleh (2004), como o modelo é comportamental, só pode
referir-se às questões diretamente relacionadas com o usuário e suas percepções
sobre o uso do sistema. Por isso os construtos devem ser desenvolvidos de modo a
captar opiniões pessoais e tratar suposições a respeito de terceiros (pessoas ou
instituições). Vale ressaltar que o construto (aceitação da tecnologia) pode ser
entendido como a boa vontade do usuário empregar a tecnologia nas tarefas para as
quais ela foi projetada para dar suporte (TEO, 2011, p.1).
Importante salientar, que existem outros modelos de aceitação de
tecnologia, para a obtenção de implicações teóricas e práticas importantes, por
30
exemplo: CDT - teoria da dissonância cognitiva (CDT, do inglês, cognitive
dissonance theory), IDT - teoria da difusão da inovação (IDT, do inglês, innovation
diffusion Theory), TTF - modelo de ajuste da tecnologia de Tarefa (TTF, do inglês,
task technology fit model) e o TAM - modelo de aceitação de tecnologia (TAM, do
inglês, technology acceptance model), ainda que na versão 1, já é suficiente para
atender às demandas desta dissertação. O que se confirma dado ao fato que a
versão 1 (TAM) é capaz de avaliar as métricas de interesse desta pesquisa,
capacidade já confirmada em trabalhos posteriores.
31
3. TRABALHOS RELACIONADOS
Neste capítulo, serão evidenciados os trabalhos que também apoiam as
tomadas de decisões baseadas por meio de dashboards. Além disso, as buscas
realizadas foram direcionadas às pesquisas com ligação ao tema da proposta em
bibliotecas digitais.
A pesquisa foi realizada nas seguintes plataformas digitais: Scopus, IEEE
Xplore, Springer Link e ScienceDirect, utilizando a string de consulta "self-regulated
learning" and "online learning" or "online education" or "distance education" or
"distance learning".
A partir do resultado, as pesquisas, foram separadas para análise e
leitura, e para a seleção dos artigos relacionados, aplicamos a string de busca acima
nas bases mencionadas, resultando em 338 (trezentos e trinta e oito) artigos
candidatos. Na primeira fase de análise,
excluímos os artigos duplicados, bem
como artigos resumidos, posters, editais e livros.
Em seguida, os artigos restantes foram analisados em relação ao tema
desta dissertação, resultando em 141 (cento e quarenta e um) artigos. Por fim,
aplicamos critérios de qualidade, tais como: artigos de revistas ou eventos avaliados
por pares; artigos com, pelo menos, 10 (dez) citações no google scholar.
Os artigos restantes foram lidos e os 05 (cinco) com maior relação com
esta pesquisa foram resumidos e constituem o corpo deste capítulo. No final deste
capítulo, criamos uma tabela comparativa entre os trabalhos relacionados e a nossa
proposta.
3.1 Autorregulação da Aprendizagem: Abordagens teóricas e desafios para as
práticas em contextos educativos
O presente artigo escrito por Simão e Frison (2013), define e descreve os
processos envolvidos na autorregulação, e ainda a descrição das funções exercidas
em cada processo na trajetória de ações que vão desde a formulação de uma meta
pessoal de aprendizagem até sua obtenção.
Este artigo estrutura a SRL - autorregulação da aprendizagem (SRL, do
inglês, self-regulated learning) como um processo multidimensional e cíclico,
composto pelos quadros: Análise conceitual das dimensões da autorregulação
32
acadêmica e fases do ciclo autorregulatório e por outros dois processos que são a
avaliação da SRL e desafios às práticas dos professores e dos formadores.
Relaciona-se com a proposta desta dissertação, por objetivar que os
estudantes sintam-se agentes pró-ativos para com a sua aprendizagem, através de
estratégias que lhe permitam obter os resultados acadêmicos desejados.
3.2 Um Dashboard Educacional para um Sistema Tutor baseado em passos
Este trabalho desenvolvido por Obach e Jaques (2019) nos mostra um
painel de bordo (do inglês, dashboard) para o professor denominado PAT2Math.
Trata-se de um sistema tutor algébrico baseado em passos, cujo objetivo é ensinar
os alunos a resolução de equações algébricas do primeiro grau.
Esse dashboard simula o professor corrigindo e provendo dicas não
apenas para a solução final, mas a todos os passos intermediários do estudante.
Dessa forma, o aluno receberá um suporte ao fornecer uma resposta incorreta ou
quando não souber o que fazer.
O PAT2Math propõe plano com questões mais fáceis, um plano com
questões um pouco mais complexas e a cada novo plano o grau de complexidade
aumenta, devendo o estudante resolver todas as questões do plano para poder
avançar. O sistema poderá ser utilizado de forma independente ou em sala de aula
sem a necessidade dos recursos tradicionais: papel e caneta.
Relaciona-se com a proposta desta dissertação, pela elaboração de um
dashboard para verificação do desempenho de cada aluno através dos dados
obtidos através de um sistema tutor proposto.
3.3 O uso de Dashboard na Identificação do Desempenho de Alunos de
Matemática Básica
De acordo com os autores Silva, Netto e Souza (2018, p. 484–494), com
o surgimento da análise de aprendizagem um novo campo de pesquisa surge, o qual
analisa os dados oriundos dos alunos durante o processo de aprendizagem
educacional. Neste contexto, são utilizadas ferramentas computacionais que
proporcionem informações organizadas e de fácil percepção. Essa visualização de
informações se dará principalmente por uma técnica bastante usual, o dashboard.
33
Este
artigo
fornece
contribuições
preliminares
da
análise
de
aprendizagem e do dashboard que auxiliam na caracterização do desempenho dos
estudantes. De maneira a analisar quais são essas contribuições e suas limitações.
Uma abordagem de solução se dá mediante a implementação do VLA
Dashboard, uma ferramenta para visualização e análise dinâmica dos resultados das
avaliações dos estudantes, com o propósito de auxiliar o professor/tutor a planejar e
aplicar suas intervenções pedagógicas.
Um dos pontos de melhoria apontado pelos discentes é que a análise
acaba sendo focada em apenas em um dos saberes, não sendo possível a
visualização em atividade que necessitam de mais de um saber como também
junção de disciplinas.
Relaciona-se com a proposta desta dissertação, por apresentar dados
oriundos das questões aplicadas aos alunos analisando suas respostas e níveis de
aprovação por turma correlacionando por nível de dificuldades expresso pelas
avaliações.
3.4 Student Perception of a Learn Dashboard in MOOCs to Encourage
Self-Regulated Learning
O objetivo do trabalho desenvolvido por Rohloff, Sauer e Meinel (2019, p.
1-8) é propor soluções técnicas para os alunos que precisam de suporte individual e
orientações, o que se faz necessário pois nem todos têm a capacidade de se
autorregular.
Este artigo propõe um processo de design de um projeto e a avaliação de
interação deste painel educativo (dashboard) com os estudantes. E com base na
usabilidade se avaliará se o painel incentiva os estudantes a um aprendizado
autorregulado.
O dashboard permitirá aos estudantes um monitoramento do seu
desempenho durante o curso, obtendo principalmente os insights da sua
aprendizagem.
Para esta pesquisa, sugestões de melhorias foram apresentadas, como
mais explicações para as visualizações exibidas no dashboard e a redução da
quantidade de informações presentes neste. Sugestões que poderão ser
implementadas em trabalhos futuros.
34
Relaciona-se com a proposta desta dissertação, dado ao fato que o
dashboard (painel do aluno) proposto, objetiva incentivar a aprendizagem auto
regulada mediante a estatística de cada sessão, através dos insights decorrente dos
dados disponibilizados.
3.5 Effects of learning analytics dashboard: analyzing the relations among
dashboard utilization, satisfaction, and learning achievement
O artigo de Kim, Jo e Park (2015) expõe uma ferramenta de suporte ao
aprendizado por meio de um painel de análise da aprendizagem (LAD) Learning
Analytics Dashboard). Uma ferramenta a ser utilizada em ambientes on-line,
permitindo aos estudantes uma análise dos seus padrões de comportamento de
aprendizagem mediante informações visuais apresentadas pelo LAD.
O objetivo desta aplicação foi avaliar empiricamente o efeito deste painel
na autorregulação da aprendizagem dos estudantes, e sua eficácia é comprovada
com base nos resultados obtidos comparando o grupo de estudante que utilizou o
painel com o grupo que não utilizou.
Os autores com base nos resultados propõem que a ferramenta LAD seja
constantemente revisada de modo a propor a motivação necessária e mais
consistente para o aprendizado dos estudantes em ambientes on-line.
Verifica-se que a proposta inicial necessita de constante manutenção no
painel (LAD) para uma satisfação maior aos estudantes e consequentemente um
maior desempenho acadêmico dos estudantes. Relacionando-se com a proposta
desta dissertação por fazer uso de um dashboard (LAD), de técnicas de análise da
aprendizagem e de abordagens estatísticas.
3.6 Tabela Comparativa
Apresentaremos sinteticamente na Tabela 2, as principais particularidades
da nossa proposta em relação às pesquisas relacionadas. A tabela mostra os
trabalhos relacionados a esta pesquisa na primeira coluna. As demais colunas
possuem o número das capacidades listadas abaixo.
As células na na cor verde, indicam que uma determinada particularidade
está presente no trabalho considerado e as na cor vermelha, indicam que esta
particularidade não está presente.
35
1. Visualização dos REDs para avaliação do próprio desempenho e
seleção do período do curso desejado: (a ferramenta (ou sistema) dispõe de
indicação para os REDs - recursos educacionais digitais (RED, do inglês, digital
educational resources), que tratam especificamente dos textos, apresentações,
vídeos e questões a serem respondidas, para determinado período (dia, semana e
mês));
2. Acompanhamento visual do desempenho atual do estudante:
(indicação do status atual do estudante para o período escolhido);
3. Acompanhamento
visual
do
desempenho
atual
da
turma:
(indicação do status atual da turma para o período escolhido);
4. Acompanhamento visual do desempenho esperado do estudante:
(indicação do status esperado para o estudante pelo professor/curso para o período
escolhido);
5. Recomendações personalizadas para os estudantes: (lista (ou
sistema) de ações, apresentadas com base nas necessidades do estudante, para
atingir a meta de aprendizagem escolhida); e
6. Apoio ao processo de autorregulação da aprendizagem dos
estudantes: (a ferramenta (ou sistema) analisa onde o estudante se encontra
(status atual), onde o estudante deveria estar (status desejado) para um
determinado momento do curso e o que fazer para atingir o objetivo definido.
Tabela 2 - Resumo das principais características da nossa proposta e dos trabalhos
relacionados.
Características
Trabalhos Relacionados
Subseção 3.1 - Simão e Frison (2013)
Subseção 3.2 - Obach e Jaques (2019)
Subseção 3.3 - Silva, Netto e Souza (2018)
Subseção 3.4 - Rohloff, Sauer e Meinel (2019)
Subseção 3.5 - Kim, Jo e Park (2015)
Proposta desta Dissertação
Fonte: Tabela elaborada pelo autor.
1
2
3
4
5
6
36
4. PROPOSTA
4.1 Contextualização e Problema
Estudantes do ensino on-line, frequentemente, enfrentam desafios em
sua
experiência
de
aprendizagem
com
pouca
ou
nenhuma
ajuda
dos
professores/tutores. Tais estudantes assumem responsabilidades, desenvolvendo
métodos de estudo e, de maneira autônoma, planejam e organizam seu
aprendizado. Em muitas ocasiões, tais estudantes se deparam com desmotivação a
ponto de considerar a possibilidade de desistência (ONAH; SINCLAIR; BOYATT,
2014). Essa constatação levantou a seguinte pergunta: O que o estudante de um
ambiente de ensino on-line precisa para aumentar o protagonismo por sua
experiência de aprendizagem?
Tal pergunta leva ao conceito da SRL - autorregulação da aprendizagem
(SRL, do inglês, self-regulated learning), que é o processo pelo qual os indivíduos
ativam, orientam, monitoram e se responsabilizam pela sua própria aprendizagem
(BORUCHOVITCH; GOMES, 2019, p.9). A definição refere-se à capacidade dos
estudantes se tornarem protagonistas da própria aprendizagem, desenvolvendo
conhecimentos, estratégias e comportamentos essenciais.
Percebemos, então, a necessidade de propor ao estudante uma
visualização que, após definido o seu objetivo de aprendizagem, lhe informe o onde
se encontra (status atual), onde deveria estar (status desejado) para um momento
específico do curso e o que é preciso fazer para atingir esse objetivo. Mas como
prover essa visualização? Propomos, assim, um painel de bordo (do inglês,
dashboard) que mensure as percepções dos estudantes quanto a sua capacidade
de ativar, orientar, monitorar e de responsabilizá-lo pela sua aprendizagem em
apoio à sua SRL. Para isto, se fará uso de técnicas de visualização de dados
denotadas por um dashboard, a saber: a modelagem do conhecimento do estudante
em um determinado tema, para determinação de seu desempenho, para posterior
comparação e recomendação de itens que possam apoiar sua experiência de
aprendizagem.
Contudo, é necessário entender quais as abordagens são necessárias e
desejáveis e, assim, desenvolvemos 03 (três) modelos com a finalidade de solicitar
as percepções dos estudantes de ambiente do ensino on-line. Portanto, um
37
questionário
foi
criado,
buscando
informações
sobre:
a)
os
aspectos
sociodemográficos e experiências com tecnologias educacionais digitais dos
participantes; b) a contribuição dos elementos dos dashboards para apoiar um
objetivo de aprendizagem previamente escolhido, c) contribuição das características
e das funcionalidades dos dashboards; d) opiniões quanto a estética, utilidade e
facilidade de uso destes; e e) a chance e frequência de utilização dos dashboards,
caso disponíveis.
4.2 A Especificação da Proposta
Nossa proposta visa mensurar as percepções visuais dos estudantes de
ambientes on-line com base na visualização de dados denotadas por um dashboard,
com a finalidade de apoiar a SRL, resultante da capacidade do estudante de ativar,
orientar,
monitorar
e
se
responsabilizar
pela
sua
própria
aprendizagem.
Basicamente, este o dashboard deve informar ao estudante onde se encontra
(status atual), onde deveria estar (status desejado) para um momento específico do
curso e o que é preciso fazer para atingir esse objetivo, tomando como base um dos
objetivos de aprendizagem escolhido pelo estudante (a saber: atingir ou superar o
desempenho da turma, atingir ou superar e o desempenho esperado pelo
professor/curso) e por fim, quais as ações que precisam ser desenvolvidas para que
o estudante avance do nível atual para o nível desejado (conforme o objetivo de
aprendizagem escolhido).
Para isto, foram utilizados dashboards, pois são ferramentas apropriadas
para: (1) criar consciência; (2) desencadear a autorreflexão; (3) permitir aos
estudantes uma análise dos dados e (4) com base no impacto, promover a mudança
de comportamento da aprendizagem, segundo Verbert (2013).
A proposta segue 3 etapas, detalhadas nas subseções seguintes.
4.2.1 Primeira Etapa
Se destina a identificar em que nível os estudantes se encontram em
relação ao que é esperado para cada momento do curso, ou seja, o quanto o
estudante sabe em um determinado instante do curso. Nesta etapa, o estudante não
irá se auto avaliar. Esta avaliação se dará com base na coleta dos dados referentes
às métricas de interação com os REDs - recursos educacionais digitais (RED, do
38
inglês, digital educational resources), que tratam especificamente dos textos,
apresentações, vídeos e questões a serem respondidas, presentes no ambiente de
aprendizagem, bem como o desempenho nas resoluções das questões propostas.
Caberá ao professor/tutor em sua análise, cadastrar os REDs e as
questões avaliativas que julgar necessário, definindo as métricas de interação e
desempenho desejado para o estudante com os recursos presentes no dashboard.
Com base nas métricas apresentadas surge a seguinte indagação: Como o sistema
identifica que o estudante não interagiu o necessário e/ou que o estudante não
atingiu o desempenho esperado? Para definir os valores esperados para as métricas
de
interação
e
desempenho,
o
sistema
contará
com
a
expertise
dos
professores/tutores.
Com base nas quantidades disponibilizadas de textos a serem lidos,
vídeos a serem assistidos e de questões a serem respondidas, se estabelecerá os
padrões para as obtenções das métricas (mínima e desejada), ou seja valores de
referência, estabelecidos pelo professor/tutor para que sejam alcançados pelo
estudante quanto às interações e desempenho, definidas a seguir:
a) Interação - Contagem dos itens utilizados (para textos e vídeos)
dividido pelo número total de itens. Para as questões contagem do número de
questões respondidas (certas e erradas) pelo número total de questões; e
b) Desempenho - Contagem do número de questões respondidas
corretamente dividida pelo número de questões respondidas.
4.2.2 Segunda Etapa
Esta etapa se destina a identificar e alertar os estudantes sobre suas
dificuldades pedagógicas. Neste ponto, o estudante já sabe o que deveria fazer e o
que efetivamente fez. Por exemplo, se o estudante deveria ter lido um texto,
assistido dois vídeos, e respondido quatro questões para atingir a métrica para as
interações mínimas definidas pelo professor/tutor. Bem como, ter respondido
corretamente quatro questões do número de questões propostas para uma métrica
de desempenho mínimo, visualizadas no dashboard.
Juntamente às métricas, se apresentam as recomendações técnicas do
que fazer para alcançar os níveis desejáveis de interação e/ou desempenho. Caso
não tenha atingido o mínimo proposto, as recomendações serão direcionadas a
39
ajudá-lo a atingir esse nível. Caso tenham atingido o nível desejado, as
recomendações deverão desafiar o estudante a avançar além do desejável.
O dashboard se propõe a apresentar ao estudante o seu status atual em
relação às métricas de interação e desempenho, juntamente com os níveis mínimo e
desejáveis para essas métricas, conforme definidos pelo professor/tutor. Dessa
forma, o estudante deve ser capaz de se situar em relação ao que deve fazer em
cada momento do curso. Junto ao dashboard serão exibidas recomendações
técnicas que guiarão o estudante sobre o que fazer dado o seu status atual e o
status desejado.
4.2.3 Terceira Etapa
A terceira etapa se destina a orientar os estudantes a realizar ações que
os ajudem a superar essas dificuldades, ou seja, o que o estudante precisa fazer
para sair de onde está e para onde deve ir. O dashboard apresentará ao estudante o
que era pra ter sido feito, o que ele fez, qual sua métrica de interação e desempenho
e principalmente as recomendações técnicas necessárias (leia mais um texto, veja
mais vídeos, responde mais questões, etc), como poderá ser visto nas Figuras 4, 8 e
14.
As recomendações técnicas avaliará o que o estudante fez, o que não fez
e o que precisa ser feito para atingir os objetivos definidos. No contexto atual da
pesquisa, as recomendações técnicas serão criadas com base em templates
padronizados.
Em trabalhos futuros, pretendemos tornar essas recomendações técnicas
mais dinâmicas, com base em questionamentos como: porque o estudante não
acertou as questões propostas? Porque o estudante não atingiu a métrica de
desempenho mínimo? Porque o estudante erra as questões de maneira alternada,
acerta uma e erra a seguinte? O professor/tutor precisa solicitar ao estudante que
responda todas as questões, mesmo o estudante tendo respondido várias questões
sem cometer erros? Caso o estudante acerte as 05 (cinco) primeiras questões ele já
pode avançar sem precisar responder a 6ª questão? O dashboard poderá propor um
nível de dificuldade mais fácil até a 3ª questão, da 4ª até a 7ª nível moderado e a
partir da 8ª questão em diante um nível de dificuldade maior? E no caso de acerto
40
até a 5ª questão (nível moderado) o estudante já merece ser parabenizado com
mensagens motivacionais?
Mediante as possíveis situações acima elencadas, as recomendações
técnicas deverão alertar o professor/tutor para uma intervenção imediata nos casos
em que se apresentem com baixo desempenho do estudante e nos outros o
encorajamento necessário para um avanço ainda maior, ambas ações destinadas a
uma aprendizagem mais efetiva e satisfatória.
Com base em um questionário OSQL que mensura a autorregulação da
aprendizagem em ambientes on-line (OSLQ, do inglês, online self-regulated learning
questionnaire), desenvolvido por Barnard-Brak et al. (2009), composto por vinte e
quatro itens e categorizados por seis dimensões (construtos) vinculados à SRL.
Este instrumento nos permitirá fazer uso do questionário apresentado
nesta pesquisa, da definição por parte do participante para seu objetivo quanto a sua
aprendizagem, ou seja, o participante deseja atingir a média da turma, superar a
média da turma, atingir o esperado pelo professor/curso ou superar essa meta. O
que é possível por se tratar de um construto da SRL, a definição de objetivo, não
significando que este objetivo seja alcançado.
Objetivo atingido, secundariamente através de outro construto da SRL, as
estratégias de tarefas. As recomendações técnicas que aparecem no dashboard
deveriam se basear na definição do objetivo do estudante, mas essa definição não é
feita no dashboard e sim no questionário o qual o dashboard está incluso. Por
padrão, as recomendações técnicas guiam o estudante para atingir o desempenho
esperado pelo professor/curso.
O status atual do estudante (onde estou num determinado momento) e
onde deveria estar, apresentados na barra de desempenho, tem-se a auto avaliação
do estudante que é mais um construto da aprendizagem autorregulada. Temos
ainda, a gestão do tempo, mesmo superficialmente o dashboard nos permite que o
estudante acompanhe semana a semana o seu desempenho.
4.3 Objetivos
O objetivo é avaliar as percepções dos estudantes do ensino on-line
através dos modelos de dashboards apresentados no questionário, permitindo
estabelecer ações e um engajamento ativo para os objetivos da aprendizagem
41
pretendida. Além de identificar o modelo de dashboard que melhor o apoia para o
alcance do objetivo já elencado.
4.4 Design dos painéis de bordo (dashboards)
Os modelos de dashboards, foram desenvolvidos com base em revisões
bibliográficas, que apresentavam versões com aspectos visuais relevantes
possuindo, em comum, os seguintes elementos gráficos: (a) barra de progresso
temporal; (b) cartões de interações; (c) barra de desempenhos; e (e) lista de
recomendações. A barra de progresso temporal tem o objetivo de apresentar ao
estudante o período do curso (construto da SRL - gestão de tempo), que deseja
visualizar e dispor os REDs pertinentes a este período. Os cartões de interação
visam apresentar ao estudante as suas interações com os REDs disponibilizados. A
barra de desempenho objetiva apoiar o estudante a identificar o seu status atual no
curso, o status atual da turma e o status esperado pelo professor/curso. Por fim, as
recomendações
técnicas
são
ações
personalizadas
pedagogicamente
e
direcionadas para o estudante, com a finalidade de guiá-lo para atingir o objetivo de
aprendizagem escolhido, caso necessário.
4.4.1 Painel de Bordo (Dashboard 1)
O modelo de dashboard 1 é uma visualização mais tradicional,
conservadora e direta, através de formas e cores mais usuais. O que permitirá aos
participantes visualizar mais facilmente os seus indicadores constantes no painel,
conforme Figura 1.
42
Figura 1 - Dashboard 1.
Fonte: Figura elaborada pelo autor.
Os primeiros elementos presentes na estrutura do modelo dashboard 1,
são a barra de progresso temporal e os cartões de interações, apresentados na
Figura 2.
Figura 2 - Barra de progresso temporal e cartões informativos do dashboard 1.
Fonte: Figura elaborada pelo autor.
Apresenta-se também nesta estrutura, a barra de desempenhos,
constando nesta o desempenho do estudante, o desempenho da turma e o
desempenho esperado pelo professor/curso, conforme Figura 3.
Figura 3 - Barra de desempenhos do dashboard 1.
Fonte: Figura elaborada pelo autor.
43
Temos ainda uma lista de recomendações técnicas, com ações
personalizadas de acordo com o objetivo de aprendizagem escolhido, com links de
acesso para os REDs conforme a necessidade do estudante para atingir o seu
objetivo, visualizado na Figura 4.
Figura 4 - Lista de recomendações técnicas do dashboard 1.
Fonte: Figura elaborada pelo autor.
4.4.1.1 Análise dos indicadores do dashboard 1
Analisando a
Figura 2, sob a ótica do estudante, temos a barra de
progresso temporal indicando a semana que o estudante fictício (Ericka) se
encontra, para um total de seis semanas. Nos cartões de interações apresenta as
interações referentes aos REDs para a semana atual. Especificamente para o
dashboard 1, temos: dos quatro textos a estudante Ericka interagiu apenas com dois
e assistiu um vídeo dos dois disponibilizados. Para uma avaliação do seu
desempenho, foram disponibilizadas vinte questões avaliativas, das quais foram
respondidas doze e dessas registaram-se oito respondidas corretamente.
Com base nas interações realizadas pela estudante, a barra de
desempenhos (Figura 3), apresenta os seguintes desempenhos: Ericka com 60%
(sessenta por cento) de aproveitamento; o desempenho médio da turma é de 78%
(setenta e oito por cento) e a indicação do desempenho esperado pelo
professor/curso que é de 85% (oitenta e cinco por cento).
Na Figura 4, temos uma lista de recomendações técnicas, de forma
textual e marcadas por links, propondo ações a serem realizadas pela estudante,
para
que
ela
atinja
o
objetivo
de
aprendizagem
escolhido,
entretanto,
independentemente do objetivo definido que se deseja alcançar, o desempenho da
Ericka é inferior a ele. Os links exibidos encaminham a estudante para os REDs
propostos.
44
4.4.2 Painel de Bordo (Dashboard 2)
O modelo de dashboard 2 propõe uma visualização mais lúdica e
menos conservadora, utilizando e avatares e da estrutura de uma escada para
ilustrar o desempenho do estudante, o desempenho da turma e o desempenho
esperado pelo professor/tutor, conforme Figura 5.
Figura 5 - Dashboard 2.
Fonte: Figura elaborada pelo autor.
Na estrutura do modelo dashboard 2, os primeiros elementos presentes
são: a barra de progresso temporal e os cartões de interações, apresentados na
Figura 6.
Figura 6 - Barra de progresso temporal e cartões de interação dashboard 2.
Fonte: Figura elaborada pelo autor.
45
Apresenta-se também nesta estrutura, o painel de desempenhos,
constando o desempenho do estudante, o desempenho da turma e desempenho
esperado pelo professor/curso. Os diferentes desempenhos são representados por
avatares subindo uma escada, simulando uma competição, onde é possível
distinguir quem está em vantagem, conforme na Figura 7. Além disso, o estudante
pode escolher as características do seu avatar5.
Figura 7 - Painel de desempenhos dashboard 2.
Fonte: Figura elaborada pelo autor.
Temos ainda uma lista de recomendações técnicas, com ações
personalizadas de acordo com o objetivo de aprendizagem escolhido, com links de
acesso para os REDs conforme a necessidade do estudante para atingir o seu
objetivo, visualizado na Figura 8.
Figura 8 - Lista de recomendações técnicas do dashboard 2.
Fonte: Figura elaborada pelo autor.
5
Esta propriedade específica será melhor explorada e avaliada em trabalhos futuros.
46
4.4.2.1 Análise dos indicadores do Dashboard 2
Conforme Figura 6, temos a barra de progresso temporal indicando a
semana que o estudante fictício (Ericka) se encontra, para um total de seis
semanas. E nos cartões de interações apresenta-se as interações referentes aos
REDs para a semana atual. Especificamente para o dashboard 2 temos: dos quatro
textos a estudante Ericka interagiu apenas com dois e assistiu um vídeo dos dois
disponibilizados. Para uma avaliação do seu desempenho, foram disponibilizadas
vinte questões avaliativas, das quais foram respondidas doze e dessas oito foram
respondidas corretamente.
Com base nas interações realizadas pelo estudante, o painel de
desempenhos (Figura 7), agora fazendo uso de avatares dispostos numa escada,
onde cada degrau representa os níveis de desempenho a ser conquistado. A
estudante Ericka encontra-se no degrau de nível seis, cujo o desempenho é de 60%
(sessenta por cento) de aproveitamento, que servirá de comparação com o
desempenhado pela turma que encontra-se no degrau de nível sete com 78%
(setenta e oito por cento) e o desempenho esperado pelo professor/curso presente
no degrau oito com 85% (oitenta e cinco por cento).
Em seguida na Figura 8, temos as recomendações técnicas, de forma
textual e marcadas por links, propondo ações a serem realizadas pela estudante,
para que atinja o seu objetivo de aprendizagem, quer seja alcançar o desempenho
da turma ou o desempenho esperado pelo professor/tutor. Os links exibidos
encaminham o estudante para os REDs propostos.
4.4.3 Painel de Bordo (Dashboard 3)
O modelo de dashboard 3 propõe uma visualização mais rica
visualmente, com mais gráficos, cantos arredondados e mais cores, conforme
Figura 9.
47
Figura 9 - Dashboard 3.
Fonte: Figura elaborada pelo autor.
O primeiro elemento presente na estrutura do modelo dashboard 3, é a
barra de progresso temporal, apresentada na Figura 10.
Figura 10 - Barra de progresso temporal do dashboard 3.
Fonte: Figura elaborada pelo autor.
Por conseguinte, o painel de desempenhos, constando de maneira
textual, o desempenho do estudante, o desempenho da turma e desempenho
esperado pelo professor/curso, conforme Figura 11.
Figura 11 - Painel de desempenhos do dashboard 3.
Fonte: Figura elaborada pelo autor.
48
Apresenta-se os seguintes elementos: o painel dos recursos disponíveis,
o gráfico de ações desenvolvidas apresentando os percentuais das interações
realizadas referentes aos REDs e as questões propostas do estudante, da turma e
do esperado pelo professor/curso para a semana atual, e o gráfico de progresso do
curso, presentes na Figura 12.
Figura 12 - Painel dos recursos disponíveis, gráfico de ações desenvolvidas e o
gráfico de progresso do curso do dashboard 3.
Fonte: Figura elaborada pelo autor.
Temos ainda, o gráfico de desempenhos anteriores para os desempenhos
da estudante obtidos nas semanas anteriores, apresentado na Figura 13.
Figura 13 - Gráfico de desempenhos (global) anteriores do dashboard 3.
Fonte: Figura elaborada pelo autor.
Por fim, na estrutura do modelo de dashboard 3, temos ainda a lista de
recomendações técnicas, com ações personalizadas de acordo com o objetivo de
49
aprendizagem escolhido, com links de acesso para os REDs conforme a
necessidade do estudante para atingir o seu objetivo, visualizado na Figura 14.
Figura 14 - Lista de recomendações técnicas do dashboard 3.
Fonte: Figura elaborada pelo autor.
4.4.3.1 Análise dos indicadores do Dashboard 3
Conforme Figura 10, temos a barra de progresso temporal indicando a
semana que o estudante fictício (Ericka) se encontra, para um total de seis
semanas. Com base nas interações do estudante, o painel de desempenhos (Figura
11), se apresenta apenas de forma textual sem o uso de uma barra linear, avatares e
degraus (escada) vistos nos modelos anteriores.
Posteriormente na Figura 12 temos, um painel de recursos disponíveis,
apresentando os quantitativos disponíveis dos REDs para a semana atual. O gráfico
de ações desenvolvidas, apresenta as ações desempenhadas pelo estudante, pela
turma e as que precisam ser realizadas para se alcançar o nível esperado pelo
professor/curso para os textos lidos, vídeos assistidos, questões respondidas e
respondidas corretamente.
Por exemplo, a Ericka apresentou uma interação de 50% (cinquenta por
cento) para os textos lidos (coluna da esquerda), enquanto a turma interagiu 75%
(setenta e cinco por cento) percentual apresentado na coluno do meio
e para
alcançar o aproveitamento esperado pelo professor/curso para esse RED é
50
necessário interagir em 85% (oitenta e cinco por cento) dos textos disponibilizados
(coluna da direita).
Ainda na Figura 12, temos um gráfico de progresso do curso, com 84%
(oitenta e quatro por cento), percentual do que já foi completado pela estudante
restando 16% (dezesseis por cento) para a conclusão do curso. Conforme
apresentado na Figura 13 são apresentados no gráfico os desempenhos anteriores
(1ª, 2ª e 3ª semana) e atual (4ª semana) da estudante. Dessa maneira, a estudante
pode monitorar os seus desempenhos ao longo do curso.
Em seguida na Figura 14, temos as recomendações técnicas
personalizadas, de forma textual e marcadas por links, propondo ações a serem
realizadas pela estudante, para que ela atinja o seu objetivo de aprendizagem, que
deseja alcançar.
51
5. METODOLOGIA
Inicialmente, será realizada a aplicação de um questionário (formulário)
para verificar se a proposta desta pesquisa, mensura as percepções visuais dos
estudantes (participantes) de ambientes on-line com base na visualização de dados
denotadas por um dashboard, com a finalidade de apoiar a SRL - autorregulação da
aprendizagem (SRL, do inglês, self-regulated learning).
Este experimento visa dar um suporte tecnológico através de um
dashboard (painel de bordo) para a realização do processo que permita aos
estudantes dos ambientes de ensino on-line ativarem, orientarem, monitorarem e se
responsabilizar pela própria aprendizagem, monitorando as suas ações e realizando
intervenções através de recomendações técnicas.
5.1 O Questionário (formulário)
O questionário (formulário) intitulado: ANÁLISE DAS PERCEPÇÕES DOS
ESTUDANTES ON-LINE, REFERENTE AO APOIO DE UM DASHBOARD PARA
ATINGIR OS OBJETIVOS DA APRENDIZAGEM PRETENDIDA, composto por 54
(cinquenta e quatro) afirmações, através de estruturadas do tipo curta para
respostas resumidas e do tipo parágrafos para respostas mais extensas e
principalmente na escala Likert para mensurar as opiniões e percepções dos
estudantes (participantes). As 03 (três) visualizações objetivavam verificar como
cada uma delas apoiam os estudantes (participantes) a autorregular a sua
aprendizagem.
5.2 Experimento
O experimento foi uma pesquisa de opinião, comparando as 03 (três)
propostas de dashboard apresentadas (Capítulo 4) e foi realizada a distância por
meio de um formulário do Google6. As participações se deram com base nas etapas
a seguir: (1) Convite para participação mediante uso do Termo de Consentimento
Livre e Esclarecido (TCLE) e após o aceite o preenchimento de um questionário com
perguntas para as características sociodemográficas e o nível de experiências com
tecnologias educacionais digitais dos participantes; Em seguida (2) Acesso
6
Link de acesso ao formulário do Google: https://forms.gle/wQu37Bi7juZXfJQf9
52
(visualização) aos modelos de dashboards respondendo perguntas quanto ao
entendimento e propósito de funcionamento desta ferramenta; (3) Avaliação das
recomendações apresentadas pelos dashboards; (4) Expressão de suas percepções
em relação dashboard e em sua capacidade de ajudar a autorregulação da
aprendizagem e (5) Análise e agrupamento dos dados (sexo, escolaridade, área de
formação, experiencia com computadores, entre outras).
5.2.1 Primeira Etapa (Aceite de participação dos estudantes)
Após o aceite da participação dos estudantes (participantes) oriundos das
instituições públicas de ensino superior do nosso Estado, mediante convite através
de um link (formulário google) e que já tenham cursado pelo menos um curso
on-line. Mediante o uso do TCLE, estes responderão um questionário (experimento)
prestando algumas informações pessoais quanto ao seu correio eletrônico (e-mail),
sexo (masculino, feminino, outro e prefiro não informar), data de nascimento,
escolaridade, graduação, nível de habilidade com o uso de tecnologias educacionais
digitais (nenhuma, pouca, moderada e muita).
5.2.2 Segunda Etapa (Apreciação dos dashboards)
A apresentação dos modelos de dashboards destina-se à verificação se
os mesmos estão sendo compreendidos pelos estudantes (participantes), mediante
a apresentação de algumas perguntas. Tais como: Como está o seu aprendizado?
Você consegue ver onde você está e qual a sua situação neste momento do curso?
Quantos vídeos você assistiu e quantos o professor/tutor definiu como o mínimo
necessário? Quantos vídeos existem ao todo? As mesmas perguntas e outras serão
realizadas para os outros recursos (textos e questões).
5.2.3 Terceira Etapa (Preenchimento do questionário TAM)
O participante, ao responder todas as perguntas realizadas na segunda
etapa, nos dará uma demonstração da sua compreensão quanto aos modelos de
dashboards. A partir deste momento novas perguntas serão realizadas agora
baseadas no TAM, tipo: A recomendação n. 1 está apropriada? As recomendações
para você evoluir do desempenho mínimo para o desejado fazem sentido? Ou estas
recomendações não fazem sentido algum?
53
5.2.4 Quarta Etapa (Avaliação da percepção dos participantes sobre os
dashboard)
Após o questionário ter sido respondido, o que demonstra que os
participantes entenderam o funcionamento da ferramenta, precisaremos agora
avaliar o quanto o dashboard é útil e para isto, utilizaremos algumas afirmações com
base na Escala Likert, (ROSÁRIO, 2009). Como por exemplo: A visualização do
dashboard é útil. A visualização do dashboard é de fácil compreensão. O dashboard
ajudou você a guiar a sua aprendizagem. Esse dashboard ajudaria você a manter o
foco. Essa ferramenta me ajudaria a me manter no desempenho desejável.
5.2.5 Quinta Etapa (Análise estatística dos dados dos participantes)
Nesta etapa, irá se realizar uma análise estatística dos resultados, onde
todas as variáveis coletadas foram submetidas a análises estatísticas descritivas,
calculando-se as suas frequências absolutas (n) e as relativas (%), (KAUR;
STOLTZFUS; YELLAPU, 2018). Estas análises foram realizadas através do software
R versão 4.3.0 (R Core Team, 2023).
Algumas respostas como, por exemplo: informe sua data de nascimento,
nome da instituição que estuda atualmente, informe outros objetivos de
aprendizagem, informe outras funcionalidades que o ajudariam a atingir seu objetivo
de aprendizagem, informe os pontos positivos, negativos e sugestões de melhorias,
foram desconsideradas devido a grande variedade de respostas. Um dos objetivos
para a coleta desses dados foi identificar perfis de participantes e realizar análises
correlacionais entre os perfis e as preferências sobre as características dos
dashboards. Infelizmente, essa análise não foi realizada, mas pretendemos fazê-la
em um trabalho futuro.
Após a tabulação os dados foram importados para uma planilha, que foi
transformada
em
um
arquivo
de
dados
separados
por
vírgulas
.CSV
(CommaSeparatedValues). Por fim, o arquivo foi importado para as análises
estatísticas descritivas utilizando a linguagem R.
54
6. RESULTADOS E DISCUSSÕES
Neste capítulo, vamos apresentar e discutir os resultados da análise
estatística descritiva dos dados obtidos na pesquisa, mediante a participação de 22
(vinte e dois) respondentes. Todos apresentam um bom nível de escolaridade,
pertencem ao ensino superior da rede pública, compreendendo a Universidade
Federal de Alagoas (UFAL), a Universidade Estadual de Alagoas (UNEAL) e o
Instituto Federal de Alagoas (IFAL).
Inicialmente, apresentaremos as características sociodemográficas e
experiências com tecnologias educacionais digitais dos participantes. Em seguida, a
contribuição dos elementos dos dashboards para o objetivo escolhido, a visualização
e
contribuição das características e das funcionalidades dos dashboards
apresentados, em seguida, as opiniões quanto a estética, utilidade e facilidade de
uso destes. E por fim, a chance e frequência de utilização dos dashboards, caso
disponíveis.
6.1 Características Sociodemográficas
Educacionais Digitais
e Experiência com Tecnologias
A maior parte dos participantes (estudantes) são do sexo masculino e
pertencem à área de formação das ciências exatas. Quanto à experiência pregressa
com computadores e sistemas web, ou seja com tecnologias educacionais digitais, a
maioria respondeu ter uma experiência moderada. Apenas 4 (quatro) respondentes
correspondendo a 18,18% (dezoito vírgula dezoito por cento) disseram não ter
realizado um curso on-line. Com relação aos dashboards (painéis de bordo), os
participantes se dividiram entre os que acharam o recurso útil e os que nunca viram
esse recurso nos cursos que frequentaram. Os objetivos sugeridos no questionário
(formulário) apresentaram uma frequência muito semelhante. Resultados presentes
na Tabela 3 e representados nas Figuras de 15 a 24.
Tabela 3 - Características sociodemográficas e experiência pregressa com
tecnologias educacionais digitais. N = 22.
Variável
Sexo (n = 22)
n (%)
55
Masculino
15 (68,18)
Feminino
7 (31,82)
Grau de escolaridade (n = 22)
Ensino superior incompleto
19 (86,36)
Pós-graduação incompleta
1 (4,55)
Pós-graduação completa
2 (9,09)
Área de formação (n = 22)
Ciências exatas
16 (72,73)
Ciências humanas
6 (27,27)
Nível de experiência no uso de computadores (n = 22)
Pouca
3 (13,64)
Moderada
12 (54,55)
Muita
7 (31,82)
Nível de experiência com sistemas web (n = 22)
Nenhuma
2 (9,09)
Pouca
6 (27,27)
Moderada
9 (40,91)
Muita
5 (22,73)
Nível de experiência com cursos on-line (n = 22)
Nenhuma
2 (9,09)
Pouca
8 (36,36)
Moderada
7 (31,82)
Muita
5 (22,73)
Cursos on-line realizados (n = 22)
Nunca fiz um curso on-line
4 (18,18)
56
Até 3
8 (36,36)
De 4 a 6
2 (9,09)
Acima de 6
8 (36,36)
Visualizações de dashboards com o desempenho dos
estudantes (n = 22)
Nenhum
6 (27,27)
A minoria
11 (50,00)
A maioria
5 (22,73)
Utilidade dos dashboards para com a aprendizagem
dos estudantes (n = 22)
Nunca vi um dashboard num ambiente de aprendizagem
on-line
6 (27,27)
Pouco útil
2 (9,09)
Moderadamente útil
4 (18,18)
Útil
6 (27,27)
Muito útil
4 (18,18)
Objetivos do estudante num curso on-line (n = 22)
Atingir a média esperada pelo professor/curso
6 (27,27)
Superar a média esperada pelo professor/curso
6 (27,27)
Superar a média da turma
5 (22,73)
Outros
5 (22,73)
Fonte: Resultados originais da pesquisa.
Figura 15 - Gráfico de barras com as frequências absolutas (n) e relativas (%) das
categorias de sexo. N = 22.
57
Fonte: Figura elaborada pelo autor.
Figura 16 - Gráfico de barras com as frequências absolutas (n) e relativas (%) das
categorias de grau de escolaridade. N = 22.
Fonte: Figura elaborada pelo autor.
Figura 17 - Gráfico de barras com as frequências absolutas (n) e relativas (%) das
categorias de área de formação. N = 22.
Fonte: Figura elaborada pelo autor.
58
Figura 18 - Gráfico de barras com as frequências absolutas (n) e relativas (%) das
categorias de nível de experiência no uso de computadores. N = 22.
Fonte: Figura elaborada pelo autor.
Figura 19 - Gráfico de barras com as frequências absolutas (n) e relativas (%) das
categorias de nível de experiência com sistemas web. N = 22.
Fonte: Figura elaborada pelo autor.
Figura 20 - Gráfico de barras com as frequências absolutas (n) e relativas (%) das
categorias de nível de experiência com cursos on-line. N = 22.
59
Fonte: Figura elaborada pelo autor.
Figura 21 - Gráfico de barras com as frequências absolutas (n) e relativas (%) das
categorias de cursos on-line realizados. N = 22.
Fonte: Figura elaborada pelo autor.
Figura 22 - Gráfico de barras com as frequências absolutas (n) e relativas (%) das
categorias de visualizações de dashboards com o desempenho dos estudantes. N
= 22.
60
Fonte: Figura elaborada pelo autor.
Figura 23 - Gráfico de barras com as frequências absolutas (n) e relativas (%) das
categorias de utilidade dos dashboards para com a aprendizagem dos estudantes.
N = 22.
Fonte: Figura elaborada pelo autor.
Figura 24 - Gráfico de barras com as frequências absolutas (n) e relativas (%) das
categorias de objetivos do estudante num curso on-line. N = 22.
61
Fonte: Figura elaborada pelo autor.
6.2 Contribuição dos elementos dos dashboards para o objetivo escolhido
Para atingir o objetivo escolhido, o elemento do dashboard considerado
mais útil pelos participantes foi a lista de recomendações, com 72,73% (setenta e
dois vírgula setenta e três por cento) dos respondentes considerando que ela
“contribui” ou “muito contribui”. Em segundo lugar, ficou a contribuição da barra de
progresso e da lista de recomendações. O elemento considerado menos útil, com
apenas 22,73% (vinte e dois vírgula setenta e três por cento) consideram que ela
“nada” ou “pouco contribui” para o objetivo foi a barra de progresso isoladamente.
Resultados presentes na Tabela 4 e representados na Figura 25.
Tabela 4 - Frequências absoluta (n) e relativa (%) das respostas, em escala Likert, a
perguntas referentes a contribuição dos elementos dos dashboards para o objetivo
escolhido. N = 22.
Nada
contribui
Pouco
contribui
Moderadamente
contribui
Contribui
Muito
contribui
Contribuição da barra
de progresso e da lista
de recomendações nos
cursos on-line
2
(9,09%)
1
(4,55%)
5
(22,73%)
9
(40,91%)
5
(22,73%)
Contribuição específica
da barra de progresso
nos cursos on-line
3
(13,64%)
2
(9,09%)
5
(22,73%)
5
(22,73%)
7
(31,82%)
Questão
62
Contribuição específica
da
lista
de
recomendações
nos
cursos on-line
3
(13,64%)
1
(4,55%)
2
(9,09%)
9
(40,91%)
7
(31,82%)
Fonte: Resultados originais da pesquisa.
Figura 25 - Gráfico de barras para as respostas, em escala Likert, a perguntas
referentes a contribuição dos elementos dos dashboards para o objetivo escolhido.
N = 22.
Fonte: Figura elaborada pelo autor.
6.3 Visualização e contribuição das características dos três dashboards
De acordo com as participações, o dashboard 1 é o que mais
adequadamente apresenta o desempenho da turma. Já o dashboard 3 se destacou
por melhor apresentar o desempenho do estudante, o desempenho esperado pelo
professor/curso e destacadamente o que o estudante precisa fazer para atingir o seu
objetivo de aprendizagem. Resultados presentes na Tabela 5 e representados nas
Figuras 26 a 29.
Tabela 5 - Seleção do dashboard que apresenta mais adequadamente cada uma
das características. N = 22.
Variável
Dashboard que melhor apresenta o desempenho do
estudante (n = 22)
n (%)
63
Dashboard 1
8 (36,36)
Dashboard 2
4 (18,18)
Dashboard 3
10 (45,45)
Dashboard que melhor apresenta o desempenho da
turma (n = 22)
Dashboard 1
10 (45,45)
Dashboard 2
8 (36,36)
Dashboard 3
4 (18,18)
Dashboard que melhor apresenta o desempenho
esperado pelo professor/curso (n = 22)
Dashboard 1
7 (31,82)
Dashboard 2
6 (27,27)
Dashboard 3
9 (40,91)
Dashboard que melhor apresenta o que o estudante
precisa fazer para atingir o desempenho esperado
pelo professor/ curso (n = 22)
Dashboard 1
5 (22,73)
Dashboard 2
5 (22,73)
Dashboard 3
12 (54,55)
Fonte: Resultados originais da pesquisa.
Figura 26 - Gráfico de barras com as frequências absolutas (n) e relativas (%) das
categorias do dashboard que melhor apresenta o desempenho do estudante. N =
22.
64
Fonte: Figura elaborada pelo autor.
Figura 27 - Gráfico de barras com as frequências absolutas (n) e relativas (%) das
categorias do dashboard que melhor apresenta o desempenho da turma. N = 22.
Fonte: Figura elaborada pelo autor.
Figura 28 - Gráfico de barras com as frequências absolutas (n) e relativas (%) das
categorias do dashboard que melhor apresenta o desempenho esperado pelo
professor/curso. N = 22.
65
Fonte: Figura elaborada pelo autor.
Figura 29 - Gráfico de barras com as frequências absolutas (n) e relativas (%) das
categorias do dashboard que melhor apresenta o que o estudante precisa fazer
para atingir o desempenho esperado pelo professor/curso. N = 22.
Fonte: Figura elaborada pelo autor.
6.4 Contribuição das funcionalidades dos dashboards apresentados
O dashboard 1 foi considerado o mais adequado pelos participantes, com
base na proporção de respostas “concordo” e “concordo completamente” para ativar,
orientar e responsabilizar. Quanto a monitorar os dashboards 1 e 3 ficaram
empatados. O dashboard 2 foi considerado o menos adequado a ativar, orientar, e
monitorar, apresentando para esses aspectos a maior proporção de respostas
negativas “discordo completamente” e “discordo”. O dashboard 3, por sua vez, foi o
que recebeu mais avaliações negativas no aspecto responsabilizar. Resultados
presentes na Tabela 6 e representados na Figura 30.
66
Tabela 6 - Frequências absoluta (n) e relativa (%) das respostas, em escala Likert, a
perguntas referentes às funcionalidades dos dashboards apresentados. N = 22.
Discordo
completamente
Discordo
Concordo
Concordo
completamente
Dashboard 1
0
(0,00%)
2
(9,09%)
17
(77,27%)
3
(13,64%)
Dashboard 2
0
(0,00%)
4
(18,18%)
13
(59,09%)
5
(22,73%)
Dashboard 3
0
(0,00%)
3
(13,64%)
12
(54,55%)
7
(31,82%)
Dashboard 1
0
(0,00%)
1
(4,55%)
16
(72,73%)
5
(22,73%)
Dashboard 2
1
(4,55%)
5
(22,73%)
13
(59,09%)
3
(13,64%)
Dashboard 3
1
(4,55%)
2
(9,09%)
13
(59,09%)
6
(27,27%)
Dashboard 1
0
(0,00%)
1
(4,55%)
17
(77,27%)
4
(18,18%)
Dashboard 2
1
(4,55%)
3
(13,64%)
15
(68,18%)
3
(13,64%)
Dashboard 3
0
(0,00%)
1
(4,55%)
16
(72,73%)
5
(22,73%)
Dashboard 1
0
(0,00%)
1
(4,55%)
19
(86,36%)
2
(9,09%)
Dashboard 2
0
(0,00%)
3
(13,64%)
18
(81,82%)
1
(4,55%)
Dashboard 3
1
(4,55%)
3
(13,64%)
12
(54,55%)
6
(27,27%)
Questão
Dashboard
Ativar
a
aprendizagem
do estudante
Orientar
a
aprendizagem
do estudante
Monitorar
a
aprendizagem
do estudante
Responsabiliz
ar o estudante
pela
sua
aprendizagem
Fonte: Resultados originais da pesquisa.
Figura 30 - Gráfico de barras para as respostas, em escala Likert, a perguntas
referentes às perguntas referentes às funcionalidades dos dashboards
apresentados. N = 22.
67
Fonte: Figura elaborada pelo autor.
6.5 Opinião quanto à estética visual dos dashboards
Quanto à estética visual, o dashboard 1 foi o que mais recebeu respostas
negativas, com 31,82% (trinta e um vírgula oitenta e dois por cento) dos
participantes, o considerando “pouco estético”. Já dashboard 3 foi o que apresentou
a maior proporção de respostas positivas “estético” e “muito estético”, por parte dos
respondentes. Curiosamente, o dashboard n. 3 quanto à estética visual, foi o único a
receber avaliações que o consideraram “nada estético". Resultados presentes na
Tabela 7 e representados na Figura 31.
68
Tabela 7 - Frequências absoluta (n) e relativa (%) das respostas, em escala Likert,
a perguntas referentes à consideração do dashboard por ser esteticamente visual,
de acordo com os apresentados. N = 22.
Dashboard
Nada
estético
Pouco
estético
Moderadamente
estético
Estético
Muito
estético
Dashboard 1
0
(0,00%)
7
(31,82%)
7
(31,82%)
5
(22,73%)
3
(13,64%)
Dashboard 2
0
(0,00%)
4
(18,18%)
7
(31,82%)
8
(36,36%)
3
(13,64%)
Dashboard 3
2
(9,09%)
2
(9,09%)
2
(9,09%)
9
(40,91%)
7
(31,82%)
Fonte: Resultados originais da pesquisa.
Figura 31 - Gráfico de barras para as respostas, em escala Likert, a perguntas
referentes às perguntas referentes à consideração do dashboard por ser
esteticamente visual de acordo com os apresentados. N = 22.
Fonte: Figura elaborada pelo autor.
6.6 Opinião quanto à utilidade dos dashboards
Quanto à utilidade, o dashboard 3 foi considerado o mais útil com 72,73%
(setenta e dois vírgula setenta e três por cento), pelos participantes considerando as
respostas “útil” e “muito útil” e o dashboard 1 foi considerado o menos útil com
69
40,91% (quarenta vírgula noventa e um por cento) dos respondentes o considerando
“pouco útil” ou “moderadamente útil”. Resultados presentes na Tabela 8 e
representados na Figura 32.
Tabela 8 - Frequências absoluta (n) e relativa (%) das respostas, em escala Likert, a
perguntas referentes à consideração do dashboard ser útil para atingir o objetivo de
aprendizagem, de acordo com os apresentados. N = 22.
Dashboard
Pouco útil
Moderadamente
útil
Útil
Muito útil
Dashboard 1
1
(4,55%)
8
(36,36%)
10
(45,45%)
3
(13,64%)
Dashboard 2
2
(9,09%)
6
(27,27%)
13
(59,09%)
1
(4,55%)
Dashboard 3
4
(18,18%)
2
(9,09%)
10
(45,45%)
6
(27,27%)
Fonte: Resultados originais da pesquisa.
Figura 32 - Gráfico de barras para as respostas, em escala Likert, a perguntas
referentes às perguntas referentes à consideração do dashboard ser útil para
atingir o objetivo de aprendizagem de acordo com os apresentados. N = 22.
Fonte: Figura elaborada pelo autor.
70
6.7 Opinião quanto à facilidade de uso dos dashboards
Em relação a facilidade de uso, o dashboard 1 se destacou, com 68,18%
(sessenta e oito vírgula dezoito por cento) de aprovação dos participantes, o
considerando “fácil” ou “muito fácil”. Já o dashboard 3 foi o que mais recebeu
avaliações negativas dos respondentes 27,27% (vinte e sete vírgula vinte e sete por
cento), sendo considerado “nada fácil” ou “pouco fácil”. Resultados presentes na
Tabela 9 e representados na Figura 33.
Tabela 9 - Frequências absoluta (n) e relativa (%) das respostas, em escala Likert, a
perguntas referentes à consideração do dashboard ser facilmente utilizado para
atingir o objetivo de aprendizagem, de acordo com os apresentados. N = 22.
Nada
fácil
Pouco
fácil
Moderadamente
fácil
Fácil
Muito
fácil
Dashboard 1
1
(4,55%)
3
13,64%)
3
(13,64%)
9
0,91%)
6
(27,27%)
Dashboard 2
1
(4,55%)
4
18,18%)
4
(18,18%)
10
5,45%)
3
(13,64%)
Dashboard 3
2
(9,09%)
4
18,18%)
3
(13,64%)
10
(45,45%)
3
(13,64%)
Dashboard
Fonte: Resultados originais da pesquisa.
Figura 33 - Gráfico de barras para as respostas, em escala Likert, a perguntas
referentes às perguntas referentes à consideração do dashboard ser facilmente
utilizado para atingir o objetivo de aprendizagem de acordo com os apresentados.
N = 22.
71
Fonte: Figura elaborada pelo autor.
6.8 Chance e frequência de utilização dos dashboards, caso disponíveis
A maior parte com 59,09% (cinquenta e nove vírgula nove por cento) dos
participantes registraram que o uso dos dashboards, caso disponíveis, seria “muito
provável” sua utilização. A frequência de uso mais respondida pelos participantes foi
a “moderada”. Resultados presentes na Tabela 10 e representados na Figura 34.
Tabela 10 - Frequências absoluta (n) e relativa (%) das respostas, em escala Likert,
a perguntas referentes à chance e frequência de utilização dos dashboards, caso
disponíveis, de acordo com os apresentados. N = 22.
Questão
Pouco
Moderadamente
Muito
Chance de utilização
dos
dashboards
estando disponíveis
2
(9,09%)
7
(31,82%)
13
(59,09%)
Frequência
de
utilização
dos
dashboards estando
disponíveis
3
(13,64%)
13
(59,09%)
6
(27,27%)
Fonte: Resultados originais da pesquisa.
72
Figura 34 - Gráfico de barras para as respostas, em escala Likert, a perguntas
referentes às perguntas referentes à chance e frequência de utilização dos
dashboards, caso disponíveis de acordo com os apresentados. N = 22.
Fonte: Figura elaborada pelo autor.
73
7. CONCLUSÃO
A principal vantagem do uso de painéis de bordo (do inglês, dashboards)
é disponibilizar ao estudante informações importantes, de maneira visual, que
contribuam para uma tomada de decisão efetiva para aprimorar a sua
aprendizagem. Assim, este trabalho avaliou a percepção dos estudantes em relação
a quais atributos do
dashboard (painel de bordo), apoiam a autorregulação da
aprendizagem em cursos online.
Para analisar a proposta, foi utilizado um questionário (formulário Google)
para avaliar as percepções dos estudantes (participantes) em relação aos 03 (três)
modelos (dashboards) apresentados e identificar quais os aspectos que melhor
guiam o estudante na autorregulação de sua aprendizagem.
Os resultados obtidos apontam para um empate, referente à escolha do
objetivo de aprendizagem (pergunta feita aos participantes sobre qual o objetivo de
aprendizagem dos mesmos ao realizarem um curso on-line), entre as opções: atingir
ou superar a média esperada pelo professor/curso, e atingir ou superar a média da
turma, o que sugere que os participantes visam o aprimoramento e a
autossuperação quando realizam cursos online.
Em relação aos dashboards propostos, o dashboard 1 foi o que melhor
apoiou os estudantes (participantes) a visualizar o desempenho da turma e,
também, foi o melhor em promover a ativação, orientação e responsabilização do
estudante por sua aprendizagem (critérios da autorregulação da aprendizagem),
igualando com o dashboard 3 no critério monitoramento. Além disso, o dashboard 1
foi considerado o mais fácil de ser utilizado.
O dashboard 2 foi a segunda melhor opção para apresentar o
desempenho da turma e as ações que o estudante precisa realizar para atingir o
desempenho esperado pelo professor/curso, mas não se destacou em relação a
apresentar o desempenho do estudante e o desempenho esperado pelo
professor/curso, tendo sido considerado o menos adequado para ativar, orientar,
monitorar e responsabilizar o estudante por sua aprendizagem (critérios da
autorregulação da aprendizagem), e ainda considerado o segundo melhor
esteticamente e útil, empatando com o dashboard 3 na segunda opção quanto à
facilidade de uso.
74
Por fim, para o dashboard 3 foi considerado o melhor para apresentar o
desempenho do estudante, o desempenho esperado pelo professor/curso e o que o
estudante precisa fazer para atingir o desempenho esperado pelo professor/curso,
empatou com o dashboard 1 no critério monitoramento (critério da autorregulação da
aprendizagem). Além disso, foi considerado o mais estético (mais visual) e mais útil.
Com base nos resultados, notamos a importância do uso de um
dashboard no processo de visualização da informação para apoiar a autorregulação
da aprendizagem de estudantes de ambientes on-line, considerando as suas
relações com o desempenho e as recomendações pedagógicas. Assim, o uso de um
dashboard como mecanismo de apresentação de informações pode contribuir para a
melhoria na assertividade do progresso de monitoramento e análise de desempenho
de estudantes (individual ou de grupo) e seus hábitos.
Identificamos também, os melhores atributos de cada dashboard
proposto, o que nos orienta à criação de um novo dashboard contendo o melhor de
cada um dos dashboards propostos para os critérios de autorregulação avaliados
(ativação, orientação, monitoramento e responsabilização).
Entretanto, estes resultados são apenas indícios, em virtude da falta da
realização dos testes estatísticos necessários para resultados mais confiáveis. Falta
que se deu devido a quantidade mínima de estudantes (participantes), permitindo
apenas a realização de uma análise descritiva dos dados.
Conforme já abordado, a primeira limitação desta pesquisa se deu por
contarmos com apenas 22 (vinte e duas) participações (estudantes do ensino
superior) de apenas dois cursos (um das ciências exatas e o outro das ciências
humanas), além do fato dos dashboards serem apresentados em sua forma estática
e com dados sintéticos, não permitindo maior interação dos participantes com seus
elementos.
Outra limitação foi o não preenchimento, por parte dos participantes, do
questionário (OSQL) para auto avaliação da capacidade de autorregulação da sua
aprendizagem. Em outra pesquisa, pretendemos vincular dados sobre a capacidade
de autorregulação da aprendizagem com a análise do apoio de visualizações de
dados dinâmicos.
Como trabalhos futuros, a partir deste, propomos evoluir as metodologias,
aplicando atividades com abordagem de aprendizagem baseada em dashboards
mais funcionais quanto a dinâmica e interatividade, o que não foi possível
75
inicialmente, mas permitirá previsões de desempenho ainda mais personalizadas,
através do histórico do estudante, para uma nova proposta. Realizar análises
correlacionais
entre
os
perfis
dos
estudantes
(participantes)
e
suas
preferências/percepções. E com as técnicas de visualizações de dados, avaliar a
capacidade
dos estudantes de se auto regularem em relação às suas
aprendizagens.
76
REFERÊNCIAS
ADAM, Noor Latiffah, et al. Self-regulated learning and online learning: a systematic
review. International Visual Informatics Conference. 2017.
BITTENCOURT, Ig Ibert. et al. A computational model for developing semantic
web-based educational systems. Knowledge-Based Systems. Campina Grande, v.
22, 2. ed., pp. 302-315, mai. 2009.
BITENCOURT, P. B.; FERRERO, C. Predição de risco de evasão de alunos usando
métodos de aprendizado de máquina em cursos técnicos. Anais dos Workshops
do Congresso Brasileiro de Informática na Educação, v. 8, pp. 149, 2019.
BORGES, Amarildo M.; WALTRICK, Vinícius. Desenvolvimento de um Dashboard
para apresentação de dados relacionados à evasão no IFSC Lages SC. 2020.
BORUCHOVITCH, E.; GOMES, M. A. M. (orgs.) Aprendizagem autorregulada: como
promovê-la no contexto educativo? Vozes. Petrópolis, p. 9, 2019.
BOZKURT, Aras; SHARMA Ramesh. Emergency remote teaching in a time of global
crisis due to CoronaVirus pandemic. Asian Journal of Distance Education. New
Delhi, v. 15, pp. 1-6, abr. 2020.
BRAK, Barnard et al. Measuring Self-Regulation in Online and Blended Learning
Environments. The Internet and Higher Education. pp. 1-6, 2009.
DAVIS, F. D. Perceived usufulness, perceived ease of use, and user acceptance of
information technology. MIS Quarterly, v. 13, n. 3, pp. 319-339, 1989.
DE CORTE, Erik. Learning design: Creating powerful learning environments for
self-regulation skills. Вопросы образования/Educational Studies Moscow.
Moscow, v. 4 pp. 30-46, 2019.
DIAS, M. C.; ZWICKER, R.; VICENTIN, I. C. Análise do modelo de aceitação de
tecnologia de Davis. R. Spei, Curitiba, v. 4, n. 2, pp. 15-23, jul./dez., 2003.
DUVAL, E. 2011. Attention Please! Learning Analytics for Visualization and
Recommendation. Proceedings of the 1st International Conference on Learning
Analytics and Knowledge. pp. 9-17, 2011.
FAVA, R. (2014). Educação 3.0: limites e possibilidades mediante as políticas
públicas educacionais. Investigar para Educar. Editora Saraiva, jul. 2020.
FERGUSON, R. et al. Learning analytics: European perspectives. Proceedings of
the Fifth International Conference on Learning Analytics and Knowledge. 2015.
FEW, S. Information Dashboard Design The Effective Visual Communication of Data.
O’Reilly Media, 2006.
FREEPIK COMPANY. [Banco de Imagens]. Freepik, Málaga, 2022.
77
GARTNER. Data Visualization.[Gartner Glossary]. 2022.
KAUR, P.; STOLFTZUS, J.; YELLAPU, V. Descriptive statistics. International
Journal of Academic Medicine, [s. I.], v. 4, n. 1, pp. 60-63, 2018.
KIM, Jeonghyun; JO, Il-Hyun; PARK, Yeonjeong. Effects of learning analytics
dashboard: analyzing the relations among dashboard utilization, satisfaction, and
learning achievement. Asia Pacific. Education Review. 2015.
KOLOWICH, Steve. The professors behind the MOOC hype. The Chronicle of
Higher Education. Washington, mar. 2013.
LÖBLER, M. L. et al. A aceitação do correio eletrônico explicado pelos modelos TAM
e TTF combinados. Encontro da Associação Nacional de Pós-Graduação e
Pesquisa em Administração. Salvador, 2006.
LIMA, R. Adaptação dos professores ao ensino remoto: Um estudo de caso nas
escolas públicas do Brasil. Journal of Online Education. pp. 112-128, 2021.
MAGALHÃES, A.; Silva, B.; OLIVEIRA, C. O impacto da pandemia na educação:
Desafios e oportunidades para o Brasil. Revista de Educação Contemporânea,
45-62. 2021
MALIK, S. Enterprise dashboards: design and best practices for IT. John Wiley &
Sons. 2005.
MANDERVELD, J. Grand. Challenges for Learning Analytics and Open & Online
Education.Open and Online Education Trend Report. 2015.
SIMÃO, Ana Margarida da Veiga; FRISON, Lourdes Maria Bragagnolo.
Autorregulação da Aprendizagem: Abordagens Teóricas e Desafios para as Práticas
em Contextos Educativos. Cadernos de Educação. 2013.
MCLNERNY, et. al. Visualización de información para ciencia y política: involucrar a
los usuarios y evitar sesgos. Trends in Ecology & Evolution. 2014.
MORAN, José Manuel; VALENTE, José Armando. Educação a distância. Summus
Editorial. 2015.
OBACH, Rodrigo; JAQUES, Patrícia. Um dashboard educacional para um sistema
tutor baseado em passos. 2019.
OLIVEIRA, I. C. A. Learning Analytics: investigação e desenvolvimento de
ferramentas. Projeto de pesquisa. São Paulo, nov. 2015.
ONAH, Daniel; SINCLAIR, Jane; BOYATT Russel. Dropout rates of massive open
online courses: behavioural patterns. Edulearn14 proceedings 1. pp. 5825-5834,
2016.
78
PALVIA, Shailendra, et al. Online education: Worldwide status, challenges, trends,
and implications. Journal of Global Information Technology Management. Nova
York, pp. 233-241, nov. 2018.
PANADERO, Ernesto; TAPIA, Jesús Alonso. How do students self-regulate?: review
of Zimmerman’s cyclical model of self-regulated learning. Anales de psicologia. pp.
450-462, 2014.
PASSOS, M. L. S.; BARBOSA, M. B. A.; LACERDA, L. F. Evasão em cursos técnicos
a distância: uma investigação no Programa Profuncionário. Revista EDaPECI. São
Cristóvão, v. 20, n. 1, pp. 55–65, abr. 2020.
PESSOA, Regina Ribeiro; MACHADO, Socorro Balieiro. A importância do uso do
computador no processo de ensino e aprendizagem dos alunos da 3ª etapa da
Educação de Jovens e Adultos da Escola Estadual Joanira Del Castillo. Revista
Exitus. Santarém, v. 9, n. 1, pp. 232-257, jan./mar. 2019.
PILETTI, N. Aprendizagem: teoria e prática. Contexto. São Paulo, 2013.
RIGO, Cristiane da Silva Aquino; SERRI, Débora Leite Dionisio; SILVA, Sirlene
Bento. Desafios e transformações na educação em tempo de pandemia. Instituto
Saber das Ciências Integradas. Sinop, Ed. 44, n. 10, nov. 2023.
R CORE TEAM. R: A Language and Environment for Statistical Computing.
Vienna, Austria: R Foundation for Statistical Computing, 2023. Disponível em:
https://www.R-project.org/.
ROCHA, I. Ensino híbrido é tendência para a vida escolar no mundo
pós-pandemia.São Paulo. 2020.
RODRIGUES, Rodrigo Lins. et al. Validação de um instrumento de mensuração de
autorregulação da aprendizagem em contexto brasileiro usando análise fatorial
confirmatória. RENOTE - Revista Novas Tecnologias na Educação, v. 14, n. 1, jul.
2016.
ROHLOFF, T.; SAUER, D.; MEINEL, C. Student Perception of a Learner Dashboard
in MOOCs to Encourage Self-Regulated Learning. International Conference on
Engineering, Technology and Education (TALE), Yogyakarta, pp. 1-8, 2019.
ROSÁRIO, P. et al. Processos de autorregulação da aprendizagem em alunos com
insucesso no 1.º ano de universidade. Revista Semestral da Associação Brasileira
de Psicologia Escolar e Educacional, v.14, n. 2, pp.349-358, jul./dez. 2010.
SAHU, Pradeep. Closure of universities due to coronavirus disease 2019
(COVID-19): impact on education and mental health of students and academic staff.
Cureus, [República de Trindade e Tobago], v. 12, n. 4, abr. 2020.
79
SALEH, Amir Mostafa. Adoção de tecnologia: um estudo sobre o uso de software
livre nas empresas. Dissertação (mestrado) - Faculdade de Economia,
Administração e Contabilidade. Universidade de São Paulo. São Paulo, 2004.
SAMPAIO, R. K. N.; POLYDORO, S. A. J.; ROSÁRIO, P. S. L. F. Autorregulação da
aprendizagem e a procrastinação acadêmica em estudantes universitários.
Cadernos de Educação, 2012.
SANTANA, Camila Lima; MOREIRA, José António Marques. Cartografando
experiências de aprendizagem em plataformas digitais: perspectivas emergentes no
contexto das pedagogias das conexões. Espaço de aprendizagem em redes
colaborativas e na era da modalidade. Aracaju, Edunit, 2020.
SILVA, A. L. M. R. A influência do treinamento de usuários na aceitação de sistemas
ERP em empresas no Brasil. Dissertação (Mestrado em Administração) – Instituto
COPPEAD de Administração, Universidade Federal do Rio de Janeiro, Rio de
Janeiro, 2005.
SILVA, Vieira; NETTO, Francisco de Magalhães; SOUZA, Augusto Lima R. VLA
Dashboard: Um Mecanismo para Visualização do Desempenho de Estudantes de
Matemática no Ensino Médio. Revista Novas Tecnologias na Educação, Porto Alegre,
v. 16, n. 2, p. 484–494, 2018.
SIEMENS, G. Learning analytics: Envisioning a research discipline and a domain of
practice. Paper presented in the 2nd International Conference on Learning Analytics
and Knowledge. Vancouver, 2012.
TEO, T. Technology Acceptance Research in Education. (org.) Technology
Acceptancein Education. Roterdã: Sense Publishers, p. 1, 2011.
VENKATESH, V. et al. User acceptance of information technology: toward a unified
view. Mis Quarterly, v. 27, n. 3, pp. 425-478, 2003.
VERBERT, K.et al. Learning Analytics Dashboard Applications. American
Behavioral Scientist, pp. 1-10, fev. 2013.
WINNE, P. H. Self-Regulated Learning. In International Encyclopedia of the Social &
Behavioral Sciences. Second Edition. 2015.
ZIMMERMAN B. J. From cognitive modeling to self-regulation: a social cognitive
career path. Educational Psychology, pp. 135-147, jul 2013.