@MASTERSTHESIS{ 2018:242058124,
 	title = {Uma abordagem com learning analytics e séries temporais na análise de dados educacionais},
 	year = {2018},
 	url = "http://www.tede2.ufrpe.br:8080/tede2/handle/tede2/7853",
 	abstract = "A modalidade de educação a distância (EaD), antes discriminada por estudantes dos mais variados seguimentos sociais, vem se firmando como uma excelente alternativa à educação tradicional. A sua evolução tem estreitos laços com os avanços em tecnologia da informação e comunicações. A expansão da banda larga para os lugares mais distantes do país, oferecendo acessos cada vez mais velozes à internet, favorece a
 disseminação de cursos de EaD oferecidos por instituições educacionais da iniciativa privada e pública. Essa mudança de paradigma na educação trouxe transformações no comportamento de gestores e professores, que cada vez mais fazem do uso da tecnologia para criação de conteúdos didáticos mais interessantes e interativos, bem como, no comportamento dos estudantes, que devem se adaptar à nova realidade,
 deixando de ser agentes passivos no processo educacional para se tornarem agentes ativos de sua própria aprendizagem, por meio de comportamentos de autorregulação. Para que ocorra a interação on-line entre estudantes e professor, é necessário a implantação de um ambiente virtual de aprendizagem (AVA), a exemplo do Moodle. Esse ambiente é fundamental para a comunicação síncrona e assíncrona entre os atores da
 EaD, armazenando em seu banco de dados todas as interações que estudantes, professores e tutores realizam durante as atividades on-line. Tais interações tornaram-se campo fértil para pesquisadores de mineração de dados educacionais e learning analytics estudarem o comportamento desses estudantes por meio de atributos derivados dessas interações. Neste contexto, esta pesquisa apresenta uma abordagem de aprendizado não supervisionado de máquina, com o algoritmo de agrupamentos k-means, para descobrir
 padrões de comportamentos de engajamento e procrastinação de estudantes de um curso de licenciatura a distância. As interações de estudantes e professores foram extraídas de arquivos de logs do Moodle, AVA utilizado pela Instituição de Ensino Superior que oferece o curso, e transformadas em atributos usados na criação das séries temporais que compõem o conjunto de dados de entrada do algoritmo de agrupamento.
 Encontrando como resultado grupos de estudantes com níveis baixo, intermediário e alto de engajamento, que apresentam relação entre o comportamento de procrastinação e o desempenho ao final da disciplina.",
 	publisher = {Universidade Federal Rural de Pernambuco},
 	scholl = {Programa de Pós-Graduação em Informática Aplicada},
 	note = {Departamento de Estatística e Informática}
}