Mineração de Dados Educacionais e Análise de Sentimentos em Ambientes Virtuais de Aprendizagem: um Mapeamento Sistemático
DOI:
https://doi.org/10.18264/eadf.v12i2.1786Resumo
A análise de sentimento é uma área de Mineração de Dados que envolve processamento de linguagem natural, extração de informações, inteligência artificial e aprendizado de máquina. Assim, por meio dessa técnica e, também, das emoções dos alunos em ambientes virtuais de aprendizagem, é possível descobrir padrões e verificar eventuais deficiências durante o processo de aprendizagem. O objetivo deste artigo é apresentar os resultados de um mapeamento sistemático da literatura realizado sobre técnicas, métodos, algoritmos, bibliotecas e ferramentas de mineração de dados educacionais utilizados para análise de sentimentos e emoções dos estudantes em ambientes virtuais de aprendizagem. Além disso, foram identificadas as finalidades para a análise de sentimentos e os tipos de emoções consideradas. Portanto, foram selecionados 20 estudos primários para verificação em profundidade. Os resultados apresentam a predominância de algoritmos de aprendizado de máquina para análise de sentimentos, abordando avaliação de cursos e professores, a eficácia do ambiente de aprendizagem, a satisfação e as dificuldades dos alunos. Além disso, a maioria dos estudos explora a polaridade de sentimento: positivo, negativo e neutro.
Palavras-chave: Mineração de dados educacionais. Sentimentos. Emoções. Ambiente virtual de aprendizagem.
Downloads
Referências
ANITHA, N.; ANITHA, B.; PRADEEPA, S. Sentiment classification approaches. International Journal of Innovation Engineering and Technology, v. 3, n. 1, p. 22-31, 2013.
ARUNA, S.; SASANKA, J.; VINAY, D. A. A brief study on analyzing student"™s emotions with the help of educational data mining. Computer Networks, Big Data and IoT, p. 785-796, 2021.
HEUBNER, R. A. A survey of educational data-mining research. Research in Higher Education Journal, v. 19, 2013.
PETERSEN, K.; VAKKALANKA, S.; KUZNIARZ, L. Guidelines for conducting systematic mapping studies in software engineering: an update. Information and Software Technology, v. 64, p. 1-18, 2015.
PURAIVAN, E. et al.Emotion-based decision support tool for learning processes: an application with undergraduate students during Covid-19 pandemic. In: Iberian Conference on Information Systems and Technologies. 2021. p. 1-6.
SACHIN, R. B.; VIJAY, M. S. A survey and future vision of data mining in educational field. In: International Conference on Advanced Computing & Communication Technologies. 2012. p. 96-100.
ZELKOWITZ, M. V.; WALLACE, D. R. Experimental models for validating technology. Computer, v. 31, n. 5, p. 23-31, 1998.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2022 EaD em Foco
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Todos os artigos publicados na Revista EaD em Foco recebem a licença Creative Commons - Atribuição 4.0 Internacional (CC BY 4.0). Todas as publicações subsequentes, completas ou parciais, deverão ser feitas com o reconhecimento, nas citações, da Revista EaD em Foco como a editora original do artigo.
