Uma Metodologia Orientada a Dados Utilizando Grafos e Machine Learning para Mineração de Processos Educacionais em Avaliações na Plataforma Multiprova
Tendo em vista a realidade da e-learning, a Universidade Federal do Rio Grande do Norte institucionalizou a plataforma chamada Multiprova para dar suporte nos processos de avaliação na instituição. A tarefa de entender como os estudantes se comportam, identificar perfis dos alunos e obter insights por meio de registros de resoluções de avaliação online é um campo de pesquisa de Mineração de Processos Educacionais (EPM), que pode ser realizado a partir de arquivos de logs de eventos com modelagem de grafos. O caminho da aprendizagem de cada estudante se torna o objeto de estudo para a modelagem neste trabalho, sendo descrito como o percurso realizado por um aluno através de uma série de movimentos em ambiente e-learning para a realização de uma avaliação na plataforma Multiprova. Além disso, existe a necessidade de transformar modelos de Machine Learning interpretáveis por meio da difusão de técnicas de eXplainable Artificial Intelligence (XAI). Partindo dessa realidade, surge a hipótese da tese: É possível utilizar dados de registros de resolução de provas online para obtenção de insights sobre o processo de aprendizagem e perfis de estudantes no Multiprova utilizando modelagem de grafos e Machine Learning? Para tanto, é apresentado o quadro de fundamentação teórica acerca dos temas que compõem o objeto de estudo, como Grafos e Análise de Redes Complexas, Machine Learning, XAI aplicada à Educação, Ciência de Dados Educacionais e Mineração de Processos Educacionais. Ao analisar trabalhos semelhantes da literatura, observamos que não são utilizados \textit{features} de grafos para o processo de clusterização dos estudantes nos processos de EPM, muito menos utilizam dados de \textit{logs} de avaliações online para realizar tal modelagem, sendo estudos de caso para resolver problemas específicos. Um capítulo para introduzir a plataforma Multiprova e a importância de avaliação no ambiente e-learning foi construído. Além disso, uma prova de conceito modelando uma avaliação do Multiprova foi concebida. Dentre os resultados preliminares, percebemos a importância do uso de features de grafos na clusterização dos estudantes em 3 grupos, sendo aplicadas técnicas de visualização de dados e XAI para a interpretação dos resultados.