Um modelo de learning analytics para apoiar a aprendizagem em laboratórios remotos

Abstract

A interação com tecnologias digitais, como os laboratórios remotos, gera uma vasta quantidade de dados. Esses dados podem ser explorados por meio de Learning Analytics (LA) para entender o comportamento dos usuários, apoiar a tomada de decisões e desenvolver soluções educacionais mais eficientes. No entanto, muitos desses dados são descartados e não analisados, resultando na perda de uma oportunidade valiosa de contribuir para o ensino e aprendizagem. Este trabalho tem como objetivo desenvolver um modelo de Learning Analytics que explore os dados provenientes de laboratórios remotos, de modo a possibilitar a criação de soluções de LA nesse contexto. A análise dos dados gerados em laboratórios remotos é fundamental, pois permite identificar padrões de comportamento e engajamento dos estudantes. Esses dados oferecem insights valiosos que podem ser usados para personalizar o ensino, identificar dificuldades e criar intervenções direcionadas, melhorando o acompanhamento pedagógico e promovendo uma experiência de aprendizado mais interativa e adaptada às necessidades dos estudantes. A metodologia Design Science Research Methodology (DSRM) foi escolhida por ser uma abordagem sistemática voltada para a criação e avaliação de artefatos tecnológicos, sendo ideal para o desenvolvimento de soluções de LA. A DSRM permite a construção de artefatos que resolvem problemas práticos enquanto geram conhecimento teórico. No contexto dos laboratórios remotos, a metodologia orientou o desenvolvimento do modelo, desde a identificação de problemas até a criação de um artefato validado por especialistas, garantindo sua relevância acadêmica e prática. Com base no modelo proposto, foi desenvolvido um dashboard de Learning Analytics, integrado à ferramenta de gerenciamento de laboratórios remotos (RELLE) com o ambiente virtual de aprendizagem Moodle. O modelo foi submetido à avaliação de especialistas em ensino de física, engenharia e experimentação remota. Inicialmente, um questionário foi enviado para 20 especialistas, dos quais 10 participaram da avaliação. Destes, 3 contribuíram no piloto, fornecendo feedback inicial sobre a estrutura do artefato. Posteriormente, 7 especialistas completaram o questionário final, avaliando aspectos como utilidade, facilidade de uso e eficiência do modelo. Os resultados indicam que o modelo tem potencial para gerar intervenções eficazes no contexto de laboratórios remotos, contribuindo para o aprimoramento das atividades nesses ambientes. O estudo envolveu a investigação do registro, coleta, armazenamento, recuperação e análise dos dados, além do desenvolvimento de uma ferramenta para validar o modelo proposto. A pesquisa identificou componentes essenciais para que o modelo possibilite a criação de ferramentas de LA, permitindo que professores acompanhem e avaliem as interações dos estudantes em laboratórios remotos.

Abstract: The interaction with digital technologies, such as remote laboratories, generates a vast amount of data. This data can be explored through Learning Analytics (LA) to understand user behavior, support decision-making, and develop more efficient educational solutions. However, much of this data is discarded and not analyzed, resulting in the loss of a valuable opportunity to contribute to teaching and learning. This work aims to develop a Learning Analytics model that explores data from remote laboratories, enabling the creation of LA solutions in this context. The analysis of data generated in remote laboratories is essential, as it allows for the identification of patterns in student behavior and engagement. This data provides valuable insights that can be used to personalize teaching, identify difficulties, and create targeted interventions, improving pedagogical monitoring and promoting a more interactive and tailored learning experience for students. The Design Science Research Methodology (DSRM) was chosen for its systematic approach focused on creating and evaluating technological artifacts, making it ideal for the development of LA solutions. DSRM allows for the creation of artifacts that solve practical problems while generating theoretical knowledge. In the context of remote laboratories, this methodology guided the development of the model, from problem identification to the creation of an artifact validated by experts, ensuring its academic and practical relevance. Based on the proposed model, a Learning Analytics dashboard was developed, integrated with the remote laboratory management tool (RELLE) and the Moodle learning management system. The model was evaluated by experts in physics education, engineering, and remote experimentation. Initially, a questionnaire was sent to 20 experts, of whom 10 participated in the evaluation. Three of them contributed to the pilot, providing initial feedback on the artifact?s structure. Later, seven experts completed the final questionnaire, assessing aspects such as usefulness, ease of use, and the model?s efficiency. The results indicate that the model has the potential to generate effective interventions in the context of remote laboratories, contributing to the improvement of activities in these environments.The study involved investigating the registration, collection, storage, retrieval, and analysis of data, as well as the development of a tool to validate the proposed model. The research identified essential components for the model to enable the creation of LA tools, allowing instructors to monitor and assess students? interactions in remote laboratories.