Aplicação de um Minerador de Emoções em Fóruns de Discussão de um Massive Open Online Course (MOOC) Brasileiro: uma Abordagem Utilizando o Algoritmo Naive Bayes

Autores

DOI:

https://doi.org/10.18264/eadf.v12i2.1732

Resumo

Em gradativa evolução devido à disseminação dos ambientes virtuais de aprendizagem, os MOOCs disponibilizam aos participantes inúmeros meios de interação. Dentre esses meios, destaca-se o fórum de discussão, ambiente que registra diferentes informações a respeito do engajamento dos alunos. Contudo, realizar a leitura de todas as postagens é uma tarefa difícil, pois os MOOCs costumam ter uma faixa muito alta de alunos matriculados. Nesse sentido, a mineração de textos pode auxiliar professores a obter conhecimentos relevantes sobre as postagens dos alunos. Levando em consideração essas discussões, neste estudo, foi realizada a implementação de um minerador de emoções para fóruns MOOC, utilizando a linguagem de programação Python, com o objetivo de identificar e analisar os sentimentos que cada aluno expressa ao interagir com os colegas nesses ambientes. Os resultados obtidos, em experimentos iniciais, indicam que o minerador mostrou-se eficiente na extração das emoções dos alunos, alcançando uma acurácia de 40%. Além disso, mostraram que sentimentos positivos, como alegria e surpresa, refletem na conclusão dos MOOCs, enquanto sentimentos negativos, como tristeza e raiva, são indicativos de abandono do curso.

 

Palavras-chave: MOOCs. Fóruns de discussão. Minerador de emoções. Algoritmo Naive Bayes.

 

Downloads

Não há dados estatísticos.

Referências

DICIONÁRIO ONLINE. 2020. Disponível em: https://www.dicio.com.br/ . Acesso em: 19 abr. 2020.

EKMAN, P. An argument for basic emotions. Cognition & Emotion, v. 6, n. 3, p. 169-200, 1992.

LIU, H.; LIEBERMAN, H.; SELKER, T. A Model of Textual Affect Sensing Using Real-World Knowledge. In: Proc. Eighth Int’l Conf. Intelligent User Interfaces, 2003, p.369-374.

LIU, Z. et al. Sentiment recognition of online course reviews using multi-swarm optimization-based selected feature. Neurocomputing, v. 17, n. 12, p. 11-20, 2016b.

LIU, Z. et al. Emotion and Associated Topic Detection for Course Comments in a MOOC Platform. In: International Conference on Educational Innovation through Technology (EITT), Taiwan, China, 2016a, p.15-19.

MA, C.; PRENDINGER, H.; ISHIZUKA, M. Emotion Estimation and Reasoning Based on Affective Textual Interaction. In: First Int’l Conf. Affective Computing and Intelligent Interaction (ACII ’05), 2005, p. 622-628.

PALLOFF, R. M.; PRATT, K. O aluno virtual: um guia para trabalhar com estudantes on-line. Porto Alegre: Artmed, 2004.

PALTOGLOU G.; THELWALL, M. Twitter, MySpace, Digg: Unsupervised Sentiment Analysis. Social Media, in ACM Transactions on Intelligent Systems and Technology, vol. 3, no. 4, 2012.

SÁNCHEZ, L. P. El foro virtual como espacio educativo: propuestas didácticas para su uso. Verista Quaderns Digitals Net, n.40, p.1-18, 2005. Disponível em: http://www.quadernsdigitals.net/datos_web/hemeroteca/r_1/nr_662/a_8878/8878.htm Acesso em: 27 mar. 2019.

SOUZA, V. F.; PERRY, G. T. Mineração de Texto em MOOCs: Análise da Relevância Temática de Postagens em Fóruns de Discussão. RENOTE - Revista Novas Tecnologias na Educação. Porto Alegre, v. 17, n. 3, p. 204-2013, 2019.

STRAPPARAVA, C.; VALITUTTI, A. WordNet-Affect: an affective extension of WordNet. In: 4th International Conference on Language Resources and Evaluation (LREC ’04), Lisbon, Portugal, 2004, p. 1083–1086.

THELWALL, M.; WILKINSON, D.; UPPAL, S. Data mining emotion in social network communication: Gender differences in MySpace. Journal of the American Society for Information Science and Technology, v. 61, n. 1, p. 190-199, 2010.

XING, W.; TANG, H.; PEI, B. Beyond positive and negative emotions: Looking into the role of achievement emotions in discussion forums of MOOCs. The Internet and Higher Education, v. 43, p. 1-9, 2019.

WILSON, T.; WIEBE, J.; HWA, R. Just how mad are you? Finding strong and weak opinion clauses. In: 21st Conference of the American Association for Artificial Intelligence, San Jose, US, 2004, p. 761–769.

ZHENG, S. et al. Ask the Instructors: Motivations and Challenges of Teaching Massive Open Online Courses. In: 19th Conference on Computer Supported Cooperative Work & Social Computing, 2016, p. 206-221.

Publicado

2022-06-07

Como Citar

Souza, V. F. de. (2022). Aplicação de um Minerador de Emoções em Fóruns de Discussão de um Massive Open Online Course (MOOC) Brasileiro: uma Abordagem Utilizando o Algoritmo Naive Bayes. EaD Em Foco, 12(2). https://doi.org/10.18264/eadf.v12i2.1732

Edição

Seção

Artigos Originais