O documento discute o uso de análise de dados educacionais (Learning Analytics) para melhorar a educação. Ele explica o que é Learning Analytics e como pode ajudar na melhora do ensino e aprendizagem, alertando sobre alunos em risco e monitorando métricas-chave. Também apresenta o projeto Prisma da Bravi, que usa modelos preditivos para identificar alunos em risco de evasão e fornecer tempo para intervenção.
Learning Analytics: Utilizando Data Science para melhorar a educaçãoMatheus Braun Magrin
Palestra apresentada na 4ª Conferência Latino Americana de Computação Científica e Python (SciPy Latin America) em Florianópolis.
A análise de dados é uma ferramenta chave utilizada por muitas empresas para refinar seus processos de venda. E se ela também pudesse nos ajudar a encontrar soluções para os maiores desafios na área da educação? Learning Analytics é um campo de estudo recente mas que já apresenta resultados promissores. Os objetivos desta palestra são aprender mais sobre a área e conhecer alguns exemplos que aplicaram Learning Analytics com universidades. Incluindo o projeto Prisma, da empresa Bravi, e como ele foi construído com as ferramentas do ecossistema Python.
No mundo do e-commerce, a análise preditiva (Predictive Analytics)* pode ser eficaz para recomendações de produtos, mas existem muitas outras aplicações. O Infográfico abaixo analisa a forma como o Netflix e a Pandora recomendam conteúdo, o OKCupid e o Twitter igualam as pessoas e como a Amazon faz recomendações de Produtos para seus usuários.
Qual é o papel da análise preditiva nas redes sociais? Como funciona? O que se sabe sobre nós? E afinal, o que podemos entender como privacidade? Questões e ideias contemporâneas.
Este é um livro que traz um conteúdo muito bem produzido, trazendo uma visão brasileira sobre a área de Web Analytics. Estratégias, Dicas, Ferramentas para potencializar o resultado das ações digitais.
Como a aquisição de dados a partir de dispositivos inteligentes (werable devices, smart tvs, smart x, etc) muda o nosso relacionamento com o consumidor e nosso posicionamento em termos de negócio.
Palestras ministrada no Social Media Week/SP 2014.
contato@estrategi.ca
@estevaosoares
Análise Preditiva: Super Poderes no EcommerceBruce Ledesma
Por Bruce Ledesma - A análise preditiva é uma área do data mining dedicada a prever acontecimentos e ações. Aqui são apresentados 5 “super poderes” desta tecnologia que estão revolucionando o ecommerce, tornando-o em uma máquina de vendas mais rentável e eficiente.
Learning Analytics: Utilizando Data Science para melhorar a educaçãoMatheus Braun Magrin
Palestra apresentada na 4ª Conferência Latino Americana de Computação Científica e Python (SciPy Latin America) em Florianópolis.
A análise de dados é uma ferramenta chave utilizada por muitas empresas para refinar seus processos de venda. E se ela também pudesse nos ajudar a encontrar soluções para os maiores desafios na área da educação? Learning Analytics é um campo de estudo recente mas que já apresenta resultados promissores. Os objetivos desta palestra são aprender mais sobre a área e conhecer alguns exemplos que aplicaram Learning Analytics com universidades. Incluindo o projeto Prisma, da empresa Bravi, e como ele foi construído com as ferramentas do ecossistema Python.
No mundo do e-commerce, a análise preditiva (Predictive Analytics)* pode ser eficaz para recomendações de produtos, mas existem muitas outras aplicações. O Infográfico abaixo analisa a forma como o Netflix e a Pandora recomendam conteúdo, o OKCupid e o Twitter igualam as pessoas e como a Amazon faz recomendações de Produtos para seus usuários.
Qual é o papel da análise preditiva nas redes sociais? Como funciona? O que se sabe sobre nós? E afinal, o que podemos entender como privacidade? Questões e ideias contemporâneas.
Este é um livro que traz um conteúdo muito bem produzido, trazendo uma visão brasileira sobre a área de Web Analytics. Estratégias, Dicas, Ferramentas para potencializar o resultado das ações digitais.
Como a aquisição de dados a partir de dispositivos inteligentes (werable devices, smart tvs, smart x, etc) muda o nosso relacionamento com o consumidor e nosso posicionamento em termos de negócio.
Palestras ministrada no Social Media Week/SP 2014.
contato@estrategi.ca
@estevaosoares
Análise Preditiva: Super Poderes no EcommerceBruce Ledesma
Por Bruce Ledesma - A análise preditiva é uma área do data mining dedicada a prever acontecimentos e ações. Aqui são apresentados 5 “super poderes” desta tecnologia que estão revolucionando o ecommerce, tornando-o em uma máquina de vendas mais rentável e eficiente.
Dados Abertos e planos de gestão de dados no Horizonte 2020 - webinar OpenAIR...Pedro Príncipe
Apresentação de Pedro Príncipe e Antónia Correia no webinar OpenAIRE Portugal para investigadores e coordenadores de projetos do H2020 e outro staff de apoio à gestão de ciência nas instituições de investigação. Webinar sobre "Dados Abertos e planos de gestão de dados no Horizonte 2020" realizado no dia 3 de maio de 2018
Além disso, este módulo irá também introduzir alguns conceitos chave de
softwares livres e de código aberto (Free and Open Source Software, ou FOSS)
e softwares livres e de código aberto para aplicações geoespaciais (FOSS4G)
Apresentação no TDC 2015 em Floranópolis, Maio 2015.
Os tópicos tratados são: machine learning, exemplo de ML em esportes e educação (learning analytics), data literacy (analfabetismo de dados)
Ciência Aberta é um movimento para tornar a pesquisa científica, seus dados e disseminação acessível a todos os níveis da sociedade. Este movimento considera aspectos como Acesso Aberto, Dados Abertos, Pesquisa Reprodutível e Software Aberto.
Cada um destes aspectos apresenta particularidades que precisam ser avaliadas e discutidas pela comunidade científica de modo que sejam estabelecidas diretrizes que facilitem a disseminação de informações científicas.
O grande desafio que se apresenta está no estabelecimento de práticas efetivas e eficazes que permitam aos periódicos acrescentar estas demandas em suas linhas editoriais, de modo a não apenas permitir que dados, softwares e métodos possam ser acessíveis, como também de estimular a comunidade a fazê-lo.
Considerando estas questões, este painel tem como proposição discutir aspectos importantes sobre o avanço da comunicação das pesquisas. Alguns deles estão colocados nos critérios de indexação SciELO, como é o caso do referenciamento de materiais das pesquisas para transparência e reprodutibilidade.
Ementa
Criterios FAIR, conceitos e implementação; desafios para a publicação de dados e métodos; politicas institucionais para dados abertos; adoção das diretrizes TOP (Transparency,and Openness Promotion); repositórios de software; repositórios de dados por áreas temáticas.
Palestra apresentada no TDC 2017 na trilha de Python em Florianópolis.
Empresas do mundo todo reconhecem a análise de dados como uma ferramenta essencial para aumentar o rendimento, porém, ao mesmo tempo em que a importância do campo cresce, muitas pessoas não sabem nem por onde começar - e ainda acreditam que é necessário ser estatístico para entender alguma coisa. O objetivo dessa palestra é auxiliar interessados a superar suas barreiras iniciais e mostrar que é fácil começar a ler, interpretar e aprender com dados.
Dados Abertos e planos de gestão de dados no Horizonte 2020 - webinar OpenAIR...Pedro Príncipe
Apresentação de Pedro Príncipe e Antónia Correia no webinar OpenAIRE Portugal para investigadores e coordenadores de projetos do H2020 e outro staff de apoio à gestão de ciência nas instituições de investigação. Webinar sobre "Dados Abertos e planos de gestão de dados no Horizonte 2020" realizado no dia 3 de maio de 2018
Além disso, este módulo irá também introduzir alguns conceitos chave de
softwares livres e de código aberto (Free and Open Source Software, ou FOSS)
e softwares livres e de código aberto para aplicações geoespaciais (FOSS4G)
Apresentação no TDC 2015 em Floranópolis, Maio 2015.
Os tópicos tratados são: machine learning, exemplo de ML em esportes e educação (learning analytics), data literacy (analfabetismo de dados)
Ciência Aberta é um movimento para tornar a pesquisa científica, seus dados e disseminação acessível a todos os níveis da sociedade. Este movimento considera aspectos como Acesso Aberto, Dados Abertos, Pesquisa Reprodutível e Software Aberto.
Cada um destes aspectos apresenta particularidades que precisam ser avaliadas e discutidas pela comunidade científica de modo que sejam estabelecidas diretrizes que facilitem a disseminação de informações científicas.
O grande desafio que se apresenta está no estabelecimento de práticas efetivas e eficazes que permitam aos periódicos acrescentar estas demandas em suas linhas editoriais, de modo a não apenas permitir que dados, softwares e métodos possam ser acessíveis, como também de estimular a comunidade a fazê-lo.
Considerando estas questões, este painel tem como proposição discutir aspectos importantes sobre o avanço da comunicação das pesquisas. Alguns deles estão colocados nos critérios de indexação SciELO, como é o caso do referenciamento de materiais das pesquisas para transparência e reprodutibilidade.
Ementa
Criterios FAIR, conceitos e implementação; desafios para a publicação de dados e métodos; politicas institucionais para dados abertos; adoção das diretrizes TOP (Transparency,and Openness Promotion); repositórios de software; repositórios de dados por áreas temáticas.
Semelhante a Learning Analytics: utilizando Data Science para melhorar a educação (20)
Palestra apresentada no TDC 2017 na trilha de Python em Florianópolis.
Empresas do mundo todo reconhecem a análise de dados como uma ferramenta essencial para aumentar o rendimento, porém, ao mesmo tempo em que a importância do campo cresce, muitas pessoas não sabem nem por onde começar - e ainda acreditam que é necessário ser estatístico para entender alguma coisa. O objetivo dessa palestra é auxiliar interessados a superar suas barreiras iniciais e mostrar que é fácil começar a ler, interpretar e aprender com dados.
Palestra apresentada no 2º Agile Floripa, em 11/06/2016.
O que uma metodologia para planejamento de assentamentos humanos sustentáveis, o movimento Agile e a maneira de solucionar problemas do Design Thinking tem em comum? Apesar de terem surgido em áreas de atuação bem distintas, seus princípios básicos possuem afinidades surpreendentes. Vamos conhecer melhor a Permacultura e como ela pode auxiliar na criação de soluções inovadoras no mundo da tecnologia.
Palestra apresentada no TDC 2016 na trilha Agile em Florianópolis.
O que uma metodologia para planejamento de assentamentos humanos sustentáveis, o movimento Agile e a maneira de solucionar problemas do Design Thinking tem em comum? Apesar de terem surgido em áreas de atuação bem distintas, seus princípios básicos possuem afinidades surpreendentes. Vamos conhecer melhor a Permacultura e como ela pode auxiliar na criação de soluções inovadoras no mundo da tecnologia.
Apresentação preparada para minicurso na SECCOM 2013 (Semana de Cursos e Palestras da Computação) da UFSC.
Presentation made for a workshop at UFSC's SECCOM 2013 (Computing Courses and Talks Week).
Learning Analytics: utilizando Data Science para melhorar a educação
1. Globalcode – Open4education
Big Data
Learning Analytics: utilizando Data
Science para melhorar a educação
Matheus Braun Magrin
Cientista de dados - Bravi
4. Globalcode – Open4education
Learning Analytics (LA)
Usa dados do processo de ensino-aprendizagem
Beneficia principalmente alunos e professores
Conceitos vizinhos
5. Globalcode – Open4education
Academic Analytics (AA)
Usa dados institucionais, e.g. foco em evasão ou sucesso acadêmico
Beneficia principalmente gestores e governos
Conceitos vizinhos
7. Globalcode – Open4education
• Melhora do processo de ensino-aprendizagem
• Processos metacognitivos
No que LA pode ajudar
8. Globalcode – Open4education
• Melhora do processo de ensino-aprendizagem
• Processos metacognitivos
• Alertas (early alerts)
No que LA pode ajudar
9. Globalcode – Open4education
• Melhora do processo de ensino-aprendizagem
• Processos metacognitivos
• Alertas (early alerts)
• Acompanhamento de alunos
No que LA pode ajudar
10. Globalcode – Open4education
• Melhora do processo de ensino-aprendizagem
• Processos metacognitivos
• Alertas (early alerts)
• Acompanhamento de alunos
• Monitoramento de KPIs
• Sucesso acadêmico
• Evasão
No que LA pode ajudar
11. Globalcode – Open4education
• Melhora do processo de ensino-aprendizagem
• Processos metacognitivos
• Alertas (early alerts)
• Acompanhamento de alunos
• Monitoramento de KPIs
• Sucesso acadêmico
• Evasão
• Guia para intervenções
No que LA pode ajudar
12. Globalcode – Open4education
• Melhora do processo de ensino-aprendizagem
• Processos metacognitivos
• Alertas (early alerts)
• Acompanhamento de alunos
• Monitoramento de KPIs
• Sucesso acadêmico
• Evasão
• Guia para intervenções
• Adaptação dinâmica de ambientes e recursos aos alunos
No que LA pode ajudar
13. Globalcode – Open4education
• Melhora do processo de ensino-aprendizagem
• Processos metacognitivos
• Alertas (early alerts)
• Acompanhamento de alunos
• Monitoramento de KPIs
• Sucesso acadêmico
• Evasão
• Guia para intervenções
• Adaptação dinâmica de ambientes e recursos aos alunos
• Empoderamento/conscientização discente
No que LA pode ajudar
14. Globalcode – Open4education
Onde achar referências
• International Conference on Educational Data Mining (2008)
• Journal of Educational Data Mining (2009)
• Journal of Educational Data Mining (2009)
• Conference on Learning Analytics and Knowledge (2011)
• Journal of Learning Analytics (2014)
17. Globalcode – Open4education
Dados!
DataShop@CMU
LAK Dataset (“analytics on Learning Analytics”)
Open University Learning Analytics
Queensland Government data (AUS)
INEP (Brasil)
Menção honrosa: Data Portals (500+ conjuntos de dados abertos)
31. Globalcode – Open4education
Resultados
Uma semana após o início do
semestre
Acertos/Desistentes (Sensibilidade): 69,38
n = 49 .
Valor previsto
Evadido Não evadido
Valor
verdadeiro
Evadido 34 15
Não evadido ? ?
Matriz de confusão do modelo
32. Globalcode – Open4education
Tempo hábil para
intervenção
Alunos que desistiram mas nenhum modelo disse que iria desistir: 4 (2.82 %)
Alunos que desistiram e os modelos só viram depois (t<=0): 67 (47.18 %)
Alunos que tivemos algum tempo para agir (t>0): 71 (50.00 %)
count 138
mean 9.59
std 16.38
min -14
25% 0
50% 7
75% 14
max 45