Tutors' action and their relation to the performance of undergraduate students in Chemistry from learning analytics perspective
DOI:
https://doi.org/10.35362/rie8013469Keywords:
distance education, teacher education, learning analytics, tutoringAbstract
This article aims to answer the following objectives: to elaborate a statistical model of tutors’ actions in LMS that interfere in students’ performance of the Degree in Chemistry Degree course, in distance education modality, at the Open University of Brazil / Ceará State University (UAB/UECE), based on learning analytics; and to know actions that interfere in students’ performance from tutors' and students' perspective, comparing the result with statistical model obtained in the research. For this, the methodology is based on pragmatic paradigm and mixed approach. It adopted the statistical method, using binary logistic regression analysis, supplemented by the use of questionnaires with open and closed items, applied to tutors and students. At the end, a predictive model was obtained containing 11 actions developed by tutors, seven of which increase student approval probability and four that should be avoided by tutors or whose frequency should be decreased because they reduce approval probability.
Downloads
References
Aguiar, A. N. (2016). Evasão no curso de Licenciatura em Matemática a distância da UECE sob a perspectiva da analítica da aprendizagem (Dissertação de Mestrado, Universidade Estadual do Ceará, Fortaleza, Brasil). Disponível em https://bit.ly/2LthgyO
Andergassen, M., Mödritscher, F., & Neumann, G. (2014). Practice and repetition during exam preparation in blended learning courses: Correlations with learning results. Journal of Learning Analytics, 1(1), 48-74. https://dx.doi.org/10.18608/jla.2014.11.4
Barbosa, G. M. O. S. (2019). Ação dos tutores e sua relação com o desempenho dos estudantes em curso de licenciatura da UAB/UECE sob a perspectiva da analítica da aprendizagem (Tese de Doutorado não publicada). Universidade Estadual do Ceará, Fortaleza, Brasil.
Brasil. Ministério da Saúde. Conselho Nacional de Saúde. (2016). Resolução nº 510, de 7 de abril de 2016. Disponível em https://bit.ly/2E0qAEo
Brasil. Ministério da Educação. Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. (2018a, Março 27). O que é a UAB? [página web]. Disponível em https://bit.ly/2Y53B2i
Brasil. Ministério da Educação. Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. (2018b). Nota Técnica nº 2/2018/CGPC/DED
Cambruzzi, W. L. (2014). GVWISE: uma aplicação de learning analytics para a redução da evasão na educação a distância (Dissertação de Mestrado, Universidade do Vale do Rio dos Sinos, São Leopoldo, Brasil). Disponível em https://bit.ly/2V5PPuf
Chatti, M. A., Dyckhoff, A. L., Schroeder, U., & Thüs, H. (2012). A reference model for learning analytics. International Journal of Technology Enhanced Learning, 4(5-6), 318-331. https://dx.doi.org/10.1504/IJTEL.2012.051815
Chaves, J. B. (2015). Formação a distância de professores em Matemática pela UAB/UECE: Relação entre interação e desempenho à luz da analítica da aprendizagem (Dissertação de Mestrado, Universidade Estadual do Ceará, Fortaleza, Brasil). Disponível em https://bit.ly/2LBKonE
Creswell, J. W., & Clark, V. L. P. (2013). Pesquisa de métodos mistos (2 ed.). Porto Alegre: Penso.
Duarte, L. F. D. (2017). Cronologia da luta pela regulação específica para as Ciências Humanas e Sociais da avaliação da ética em pesquisa no Brasil. Práxis Educativa, 12(1), 267-286. https://dx.doi.org/10.5212/PraxEduc.v.12i1.0015
Dvorak, T., & Jia, M. (2016). Online work habits and academic performance. Journal of Learning Analytics, 3(3), 318-330. https://dx.doi.org/10.18608/jla.2016.33.15
Fávero, L. P. (2015). Análise de dados: Modelos de regressão com Excel, Stata e SPSS. Rio de Janeiro: Elsevier.
Ferreira, J. L. C. (2016). MD-PREAD: Um modelo para predição de reprovação de aprendizes na educação a distância usando árvore de decisão (Dissertação de Mestrado, Universidade do Vale do Rio dos Sinos, São Leopoldo, Brasil). Disponível em https://bit.ly/2JlF19i
Gonçalves, M. T. L. (2018). Formação do pedagogo para a gestão escolar na UAB/UECE: A analítica da aprendizagem na educação a distância (Tese de Doutorado, Universidade Estadual do Ceará, Fortaleza, Brasil). Disponível em https://bit.ly/2JnE3co
Gray, G., McGuinness, C., Owende, P., & Hofmann, M. (2016). Learning factor models of students at risk of failing in the early stage of tertiary education. Journal of Learning Analytics, 3(2), 330-372. https://dx.doi.org/10.18608/jla.2016.32.20
Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. (2016). Sinopse estatística de educação superior 2015. Brasília: Autor. Disponível em https://bit.ly/2WpnG2Y
Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. (2018a). Sinopse estatística de educação superior 2017. Brasília: Autor. Disponível em https://bit.ly/2CAsUQN
Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. (2018b). Censo da educação superior. Notas estatísticas 2017. Brasília: Autor. Disponível em https://bit.ly/2Ri1fK5
Jayaprakash, S. M., Moody, E. W., Lauría, E. J. M., Regan, J. R., & Baron, J. D. (2014). Early alert of academically at‐risk students: an open source analytics initiative. Journal of Learning Analytics, 1(1), 6-47. https://dx.doi.org/10.18608/jla.2014.11.3
Johnson, L., Adams, S., & Cummins, M. (2012). The NMC horizon report: 2012 Higher education edition. Austin, Texas: The New Media Consortium. Disponível em https://bit.ly/2VTklfg
Knight, D. B., Brozina, C., & Novoselich, B. (2016). An investigation of first-year engineering student and instructor perspectives of learning analytics approaches. Journal of Learning Analytics, 3(3), 215-238. https://dx.doi.org/10.18608/jla.2016.33.11
Lakatos, E. M., & Marconi, M. A. (1991). Metodologia científica (2. ed.). São Paulo: Atlas.
Leeuwen, A. (2015). Learning analytics to support teachers during synchronous CSCL: Balancing between overview and overload. Journal of Learning Analytics, 2(2), 138-162. https://dx.doi.org/10.18608/jla.2015.22.11
Lowes, S., Lin, P., & Kinghorn, B. (2015). Exploring the link between online behaviours and course performance in asynchronous online high school courses. Journal of Learning Analytics, 2(2), 169-194. https://dx.doi.org/10.18608/jla.2015.22.13
McCoy, C., & Shih, P. (2016). Teachers as producers of data analytics: A case study of a teacher-focused educational data science program. Journal of Learning Analytics, 3(3), 193-214. https://dx.doi.org/10.18608/jla.2016.33.10
Mill, D. R. S., Ribeiro, L. R. C., & Oliveira, M. R. G. (2014). Múltiplos enfoques sobre a polidocência na educação a distância virtual. In D. R. S. Mill, L. R. C. Ribeiro & M. R. G. Oliveira (Org.), Polidocência na educação a distância: Múltiplos enfoques (pp. 13-24). São Carlos: Ed. UFSCar.
Nunes, J. B. C. (2015). Estado da arte sobre analítica da aprendizagem na América Latina. In J. B. Castro & T. E. V. Silva (Coords.), Anais dos workshops do Congresso Brasileiro de Informática na Educação (pp. 1024-1033). https://dx.doi.org/10.5753/cbie.wcbie.2015.1024
Oliveira, E. D. S. (2016). Modelo de diagnóstico de dificuldades de aprendizagem orientado a conceitos (Dissertação de Mestrado, Universidade Federal da Paraíba, João Pessoa, Brasil). Disponível em https://bit.ly/2VnUOvl
Oliveira, M. R. G., Mill, D. R. S., & Ribeiro, L. R. C. (2014). A gestão da sala de aula virtual e os novos saberes para a docência na modalidade de Educação a Distância. In D. R. S. Mill, L. R. C. Ribeiro & M. R. G. Oliveira (Org.), Polidocência na educação a distância: Múltiplos enfoques (pp. 61-76). São Carlos: Ed. UFSCar.
Pardos, Z. A., Baker, R. S. J. D., San Pedro, M. O. C. Z., Gowda, S. M., & Gowda, S. M. (2014). Affective states and state tests: Investigating how affect and engagement during the school year predict end-of-year learning outcomes. Journal of Learning Analytics, 1 (1), 107-128. https://dx.doi.org/10.18608/jla.2014.11.6
Portal, C. (2016). Estratégias para minimizar a evasão e potencializar a permanência em EaD a partir de sistema que utiliza mineração de dados educacionais e learning analytics. (Dissertação de Mestrado, Universidade do Vale do Rio dos Sinos, São Leopoldo, Brasil). Disponível em https://bit.ly/2H7heIA
Sales, V. M. B. (2017). Analítica da aprendizagem como estratégia de previsão de desempenho de estudantes de curso de Licenciatura em Pedagogia a distância (Tese de Doutorado, Universidade Estadual do Ceará, Fortaleza, Brasil). Disponível em https://bit.ly/2H7eSJP
Santos, H. L., Cechinel, C., Nunes, J. B. C., & Ochoa, X. (2017). An initial review of learning analytics in Latin America. In: A. Díaz, A. Casali, M. C. Rivas, & A. S. Sprock (Eds.), 2017 Twelfth Latin American Conference on Learning Technologies (LACLO), (pp. 1-9). https://dx.doi.org/10.1109/LACLO.2017.8120913
Schneider, B., & Pea, R. (2015). Does seeing one another’s gaze affect group dialogue? A computational approach. Journal of Learning Analytics, 2(2), 107-133. https://dx.doi.org/10.18608/jla.2015.22.9
Souza, R. C. (2016). Aplicação de learning analytics para avaliação do desempenho de tutores a distância (Dissertação de Mestrado, Universidade Federal Rural do Semi-Árido, Mossoró, Brasil). Disponível em https://bit.ly/2Ycz3f6
Vidal, E. M. (2017). Universidade Aberta do Brasil na Universidade Estadual do Ceará: Acesso, permanência e sucesso. Estudo de dados a partir do SisUab e SisRel. Fortaleza: UECE.
Waddington, R. J., Nam, S., Lonn, S., & Teasley, S. D. (2016). Improving early warning systems with categorized course resource usage. Journal of Learning Analytics, 3(3), 263-290. https://dx.doi.org/10.18608/jla.2016.33.13
Zapparolli, L. S. (2016). FAG: Ferramenta de apoio à gestão no ambiente virtual de aprendizagem Moodle utilizando técnicas de Business Intelligence (Dissertação de Mestrado, Universidade Fe-deral do ABC, Santo André, Brasil). Disponível em https://bit.ly/2VlTn0k
Andergassen, M., Mödritscher, F., & Neumann, G. (2014). Practice and repetition during exam preparation in blended learning courses: Correlations with learning results. Journal of Learning Analytics, 1(1), 48-74. https://dx.doi.org/10.18608/jla.2014.11.4
Barbosa, G. M. O. S. (2019). Ação dos tutores e sua relação com o desempenho dos estudantes em curso de licenciatura da UAB/UECE sob a perspectiva da analítica da aprendizagem (Tese de Doutorado não publicada). Universidade Estadual do Ceará, Fortaleza, Brasil.
Brasil. Ministério da Saúde. Conselho Nacional de Saúde. (2016). Resolução nº 510, de 7 de abril de 2016. Disponível em https://bit.ly/2E0qAEo
Brasil. Ministério da Educação. Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. (2018a, Março 27). O que é a UAB? [página web]. Disponível em https://bit.ly/2Y53B2i
Brasil. Ministério da Educação. Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. (2018b). Nota Técnica nº 2/2018/CGPC/DED
Cambruzzi, W. L. (2014). GVWISE: uma aplicação de learning analytics para a redução da evasão na educação a distância (Dissertação de Mestrado, Universidade do Vale do Rio dos Sinos, São Leopoldo, Brasil). Disponível em https://bit.ly/2V5PPuf
Chatti, M. A., Dyckhoff, A. L., Schroeder, U., & Thüs, H. (2012). A reference model for learning analytics. International Journal of Technology Enhanced Learning, 4(5-6), 318-331. https://dx.doi.org/10.1504/IJTEL.2012.051815
Chaves, J. B. (2015). Formação a distância de professores em Matemática pela UAB/UECE: Relação entre interação e desempenho à luz da analítica da aprendizagem (Dissertação de Mestrado, Universidade Estadual do Ceará, Fortaleza, Brasil). Disponível em https://bit.ly/2LBKonE
Creswell, J. W., & Clark, V. L. P. (2013). Pesquisa de métodos mistos (2 ed.). Porto Alegre: Penso.
Duarte, L. F. D. (2017). Cronologia da luta pela regulação específica para as Ciências Humanas e Sociais da avaliação da ética em pesquisa no Brasil. Práxis Educativa, 12(1), 267-286. https://dx.doi.org/10.5212/PraxEduc.v.12i1.0015
Dvorak, T., & Jia, M. (2016). Online work habits and academic performance. Journal of Learning Analytics, 3(3), 318-330. https://dx.doi.org/10.18608/jla.2016.33.15
Fávero, L. P. (2015). Análise de dados: Modelos de regressão com Excel, Stata e SPSS. Rio de Janeiro: Elsevier.
Ferreira, J. L. C. (2016). MD-PREAD: Um modelo para predição de reprovação de aprendizes na educação a distância usando árvore de decisão (Dissertação de Mestrado, Universidade do Vale do Rio dos Sinos, São Leopoldo, Brasil). Disponível em https://bit.ly/2JlF19i
Gonçalves, M. T. L. (2018). Formação do pedagogo para a gestão escolar na UAB/UECE: A analítica da aprendizagem na educação a distância (Tese de Doutorado, Universidade Estadual do Ceará, Fortaleza, Brasil). Disponível em https://bit.ly/2JnE3co
Gray, G., McGuinness, C., Owende, P., & Hofmann, M. (2016). Learning factor models of students at risk of failing in the early stage of tertiary education. Journal of Learning Analytics, 3(2), 330-372. https://dx.doi.org/10.18608/jla.2016.32.20
Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. (2016). Sinopse estatística de educação superior 2015. Brasília: Autor. Disponível em https://bit.ly/2WpnG2Y
Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. (2018a). Sinopse estatística de educação superior 2017. Brasília: Autor. Disponível em https://bit.ly/2CAsUQN
Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. (2018b). Censo da educação superior. Notas estatísticas 2017. Brasília: Autor. Disponível em https://bit.ly/2Ri1fK5
Jayaprakash, S. M., Moody, E. W., Lauría, E. J. M., Regan, J. R., & Baron, J. D. (2014). Early alert of academically at‐risk students: an open source analytics initiative. Journal of Learning Analytics, 1(1), 6-47. https://dx.doi.org/10.18608/jla.2014.11.3
Johnson, L., Adams, S., & Cummins, M. (2012). The NMC horizon report: 2012 Higher education edition. Austin, Texas: The New Media Consortium. Disponível em https://bit.ly/2VTklfg
Knight, D. B., Brozina, C., & Novoselich, B. (2016). An investigation of first-year engineering student and instructor perspectives of learning analytics approaches. Journal of Learning Analytics, 3(3), 215-238. https://dx.doi.org/10.18608/jla.2016.33.11
Lakatos, E. M., & Marconi, M. A. (1991). Metodologia científica (2. ed.). São Paulo: Atlas.
Leeuwen, A. (2015). Learning analytics to support teachers during synchronous CSCL: Balancing between overview and overload. Journal of Learning Analytics, 2(2), 138-162. https://dx.doi.org/10.18608/jla.2015.22.11
Lowes, S., Lin, P., & Kinghorn, B. (2015). Exploring the link between online behaviours and course performance in asynchronous online high school courses. Journal of Learning Analytics, 2(2), 169-194. https://dx.doi.org/10.18608/jla.2015.22.13
McCoy, C., & Shih, P. (2016). Teachers as producers of data analytics: A case study of a teacher-focused educational data science program. Journal of Learning Analytics, 3(3), 193-214. https://dx.doi.org/10.18608/jla.2016.33.10
Mill, D. R. S., Ribeiro, L. R. C., & Oliveira, M. R. G. (2014). Múltiplos enfoques sobre a polidocência na educação a distância virtual. In D. R. S. Mill, L. R. C. Ribeiro & M. R. G. Oliveira (Org.), Polidocência na educação a distância: Múltiplos enfoques (pp. 13-24). São Carlos: Ed. UFSCar.
Nunes, J. B. C. (2015). Estado da arte sobre analítica da aprendizagem na América Latina. In J. B. Castro & T. E. V. Silva (Coords.), Anais dos workshops do Congresso Brasileiro de Informática na Educação (pp. 1024-1033). https://dx.doi.org/10.5753/cbie.wcbie.2015.1024
Oliveira, E. D. S. (2016). Modelo de diagnóstico de dificuldades de aprendizagem orientado a conceitos (Dissertação de Mestrado, Universidade Federal da Paraíba, João Pessoa, Brasil). Disponível em https://bit.ly/2VnUOvl
Oliveira, M. R. G., Mill, D. R. S., & Ribeiro, L. R. C. (2014). A gestão da sala de aula virtual e os novos saberes para a docência na modalidade de Educação a Distância. In D. R. S. Mill, L. R. C. Ribeiro & M. R. G. Oliveira (Org.), Polidocência na educação a distância: Múltiplos enfoques (pp. 61-76). São Carlos: Ed. UFSCar.
Pardos, Z. A., Baker, R. S. J. D., San Pedro, M. O. C. Z., Gowda, S. M., & Gowda, S. M. (2014). Affective states and state tests: Investigating how affect and engagement during the school year predict end-of-year learning outcomes. Journal of Learning Analytics, 1 (1), 107-128. https://dx.doi.org/10.18608/jla.2014.11.6
Portal, C. (2016). Estratégias para minimizar a evasão e potencializar a permanência em EaD a partir de sistema que utiliza mineração de dados educacionais e learning analytics. (Dissertação de Mestrado, Universidade do Vale do Rio dos Sinos, São Leopoldo, Brasil). Disponível em https://bit.ly/2H7heIA
Sales, V. M. B. (2017). Analítica da aprendizagem como estratégia de previsão de desempenho de estudantes de curso de Licenciatura em Pedagogia a distância (Tese de Doutorado, Universidade Estadual do Ceará, Fortaleza, Brasil). Disponível em https://bit.ly/2H7eSJP
Santos, H. L., Cechinel, C., Nunes, J. B. C., & Ochoa, X. (2017). An initial review of learning analytics in Latin America. In: A. Díaz, A. Casali, M. C. Rivas, & A. S. Sprock (Eds.), 2017 Twelfth Latin American Conference on Learning Technologies (LACLO), (pp. 1-9). https://dx.doi.org/10.1109/LACLO.2017.8120913
Schneider, B., & Pea, R. (2015). Does seeing one another’s gaze affect group dialogue? A computational approach. Journal of Learning Analytics, 2(2), 107-133. https://dx.doi.org/10.18608/jla.2015.22.9
Souza, R. C. (2016). Aplicação de learning analytics para avaliação do desempenho de tutores a distância (Dissertação de Mestrado, Universidade Federal Rural do Semi-Árido, Mossoró, Brasil). Disponível em https://bit.ly/2Ycz3f6
Vidal, E. M. (2017). Universidade Aberta do Brasil na Universidade Estadual do Ceará: Acesso, permanência e sucesso. Estudo de dados a partir do SisUab e SisRel. Fortaleza: UECE.
Waddington, R. J., Nam, S., Lonn, S., & Teasley, S. D. (2016). Improving early warning systems with categorized course resource usage. Journal of Learning Analytics, 3(3), 263-290. https://dx.doi.org/10.18608/jla.2016.33.13
Zapparolli, L. S. (2016). FAG: Ferramenta de apoio à gestão no ambiente virtual de aprendizagem Moodle utilizando técnicas de Business Intelligence (Dissertação de Mestrado, Universidade Fe-deral do ABC, Santo André, Brasil). Disponível em https://bit.ly/2VlTn0k
How to Cite
Oliveira Souza Barbosa, G. M. de, Carvalho Nunes, J. B., & Chaves, J. B. (2019). Tutors’ action and their relation to the performance of undergraduate students in Chemistry from learning analytics perspective. Iberoamerican Journal of Education, 80(1), 167–192. https://doi.org/10.35362/rie8013469
Downloads
Published
2019-05-14
Issue
Section
Monographic. Learning Analytics and Education
License
Any authors who publish with this journal accept the following terms:
