Web mining on e-learning

Abstract

Atualmente, a utilização das tecnologias de informação é vital no dia a dia das pessoas e, sobretudo, das empresas. Esta utilização e troca de informação gera uma quantidade de dados que podem criar valor para vários setores da sociedade, caso seja possível traduzir a informação neles contida. Se este problema for adotado ao setor da educação, muitas questões e problemas podem ser resolvidas com o correto tratamento desses dados. A possibilidade de perceber os comportamentos dos alunos e as metodologias de estudo que permitem um maior sucesso escolar é certamente uma oportunidade tentadora e que pode levar à otimização do ensino como é conhecido e permitir formar melhores pessoas e profissionais Assim sendo, o foco deste projeto centra-se no tratamento destes dados gerados no contexto universitário, a partir da criação de uma solução que consegue receber diferentes tipos de dados, aplicando modelos analíticos, de modo a gerar relatórios e dashboards sobre a realidade dos dados em estudo, e modelos preditivos, de modo a poder prever futuras notas de alunos com base no seu comportamento académico. Em termos analíticos foi possível comprovar que existe uma relação forte entre um grande nível de assiduidade e participação nas aulas com um bom desempenho académico, que 77% dos alunos foram capazes de tirar uma nota final acima de 15 valores, que todos os alunos estiveram presentes, pelo menos, num terço das aulas, além de provar o sucesso de ferramentas aplicadas previamente como o sistema de cartões e resgate, com 8 alunos, que primeiramente tinham reprovado num momento de avaliação crítico, a terem possibilidade de completar o curso graças a este último mecanismo. Em termos preditivos, o protótipo revelou ser eficaz, principalmente em termos de regressão, com um erro absoluto de 1,10 valores. Os dados para este projeto foram fornecidos pela empresa IOTech, que os reuniu a partir da utilização dos alunos de diferentes plataformas na unidade curricular “Programação Web” durante o ano letivo 2020/2021. Este trabalho está também inserido no projeto IOScience, levado a cabo pela mesma empresa.

Nowadays, the use of information technologies is vital in people’s lives and companies. This use and exchange of information generate a quantity of data that can create value for various sectors of society if possible to translate the information contained therein. Adopting this problem to the education sector, many issues and problems can be solved with the correct treatment of this data. The possibility of perceiving the students’ behaviours and study methodologies that allow greater school success is certainly a tempting opportunity and that can lead to the optimization of teaching as it is known and allow to create better people and professionals. Therefore, the focus of this project focuses on the processing of these data generated in university context, by creating of a solution that can receive different data types, apply analytical models, in order to generate reports and dashboards about the reality of the data In study, and predictive models, so that it can predict future grades of students based on their academic behaviour. In analytical terms it was possible to prove that there is a strong relationship between a great level of attendance and participation in classes with a good academic performance, that 77% of the students were able to take a final grade above 15 values, that all students were present at least one-third of the classes, in addition to proving the success of previously applied tools such as the card and rescue system, with 8 students, who had first failed at a critical evaluation moment, to be able to complete the course thanks to the latter mechanism. In predictive terms, the prototype proved to be effective, mainly in terms of regression, with an absolute error of 1.10 values. The data for this project were provided by the company IOTech, which gathered it from the use of students from different platforms in the “Web Programming” curriculum during the 2020/2021 school year. This work is also inserted in the IOScience project, carried out by the same company.