The growing current adherence to e-learning and the more recurrent use of Virtual Learning Environments (VLE) has generated a large volume of digital educational data and, consequently, problems in the representation, organization and recovery of information in this context. As a solution in this scenario, this research presents an integration architecture that uses an ontology, called Prov4LA, to standardize the generation of learning analytics data and provide support for educational recommendation systems. As partial results, a scenario of application of the proposed architecture is described through a course taught in VLE Moodle with students who participate in the same course and where recommendation events are triggered. Resumo. A crescente adesão pela educação a distância e o uso mais recorrente dos Ambientes Virtuais de Aprendizagem (AVA) tem gerado um grande volume de dados educacionais digitais e, consequentemente, problemas na representação, organização e recuperação de informação nesse contexto. Como uma solução, a presente pesquisa apresenta uma arquitetura de integração que utiliza uma ontologia, denominada Prov4LA, para padronizar a geração de dados de learning analytics e prover suporte a sistemas de recomendação educacionais. Como resultados parciais, é descrito um cenário de aplicação da arquitetura proposta através de um curso ministrado no AVA Moodle com alunos que participam de um mesmo curso e onde são disparados eventos de recomendação.
O contexto educacional envolve a abrangência de diversos conteúdos
informacionais. Em geral, a preparação, seleção e divulgação desses conteúdos ficam a cargo do
professor [
Já as ontologias podem ser vistas como modelos de anotação [
Nesse sentido, a utilização conjunta de ontologias e técnicas de learning analytics
possibilita transformar o conteúdo coletado dentro dos AVAs em informações relevantes
para o aperfeiçoamento do ensino [
Learning Analytics (LA) é um estudo voltado para análise de informações extraídas de
dados educacionais, a fim de converter o conteúdo coletado em metadados válidos para
melhoria dos processos de ensino e aprendizagem [
Sendo a web um ambiente volátil, onde a produção de conteúdo é livre e dependente
apenas do domínio de cada repositório, as publicações ficam inerentes à forma com que
cada um dos repositórios de dados produzem e divulgam seus dados. Considerando ainda
que a parte da geração de informação é realizada por meios manuais através de
anotações realizadas por humanos, torna-se um processo de classificação de dados exaustivo
e de alto custo, devido as demandas de tempo para produção das tags e as
dependências vinculadas ao conhecimento de cada especialista sobre a área trabalhada em questão
[
Com o passar dos anos, diversos padrões para publicação de dados foram
propostos para o melhoramento da qualidade das informações produzidas, fundamentando o que
é chamado de Web Semântica [
Outra questão importante a ser discutida sobre publicação de dados, tanto na Web quanto
em outros contextos, é a manutenção dos dados. Como cada nova informação pode ser
gerada de diversas formas em uma mesma aplicação, é importante rastrear a maneira com
que cada novo dado é produzido a fim de entender porque, por quem e onde esses dados
foram gerados [
Proveniência pode ser compreendida como a informação que pode ser coletada de
diversas formas e em diversos níveis de detalhamento [
3.1. Prov4LA
Embora a Onto4LA, apresentada na Seção 2.2, abranja a maior parte dos frameworks para
LA, peca quando o assunto é recomendação de conteúdos educacionais. Por exemplo, em
[
Figura 1. Onto4LA + Recomendação(RecMEM) perfis análogos receberam. Com a necessidade de analisar o cenário de recomendação de mídias educacionais (RecMEM) em AVAs, a Onto4LA foi expandida (Figura 1).
A expansão da Onto4LA teve como objetivo inserir novas ferramentas e
resultados aplicados ligados diretamente com o ambiente de recomendação. Na Figura 1
apresentam-se novas classes, o evento de recomendação e outros eventos ligados ao
monitoramento das atividades dos alunos dentro do AVA. A ideia desse monitoramento é
além de entender o comportamento de cada aluno durante a utilização de AVAs, gerar
metadados que auxiliem também outras ferramentas para o cenário de learning
analytics, como recomendação de materiais, exercícios, caminhos de aprendizagem,
parceiros para grupos de estudo, algoritmos de aprendizado curricular adaptativo, entre outros.
[
Analisando a expansão da Onto4LA para o cenário apresentado no parágrafo anterior, percebe-se a característica de proveniência de atividades agregada a ela. Afim de formalizar a captura de informação através dos padrões propostos pela W3C criou-se a Prov4LA. A Prov4LA é uma ontologia de proveniência que estende os padrões básicos da PROV-O através da Onto4LA + RecMEM. A Figura 2 apresenta a visão geral da Prov4LA demostrando através das linhas tracejadas as classes e propriedades pertencentes a Onto4LA. Com essa integração é possível utilizar todas as propriedades da PROV-O para capturar o rastreamento dos dados produzidos além de gerar as inferências próprias da Onto4LA.
Para que seja possível capturar a proveniência dos dados em AVA, é necessário que a Prov4LA seja utilizada de forma correta. Para isso, é fundamental a monitoração da ge
Figura 2. Prov4LA ração de dados dentro do AVA e instanciação dos mesmos dentro da Prov4LA. Pensando nessa integração, é proposto a criação de um plugin que captura os dados gerados no AVAs, processa-os na Prov4LA e, por fim, submete os resultados a aplicações para recomendação de conteúdo ou dashboards para monitoramento e avaliação dos dados gerados para LA. No contexto de ambientes virtuais de aprendizagem, a iniciativa de se trabalhar com um plugin torna-se uma alternativa viável, já que é uma pr´atica comum nesse cenário. Por exemplo, para o AVA Moodle já existem diversos plugins utilizados pelo usuários. A Figura 3 apresenta a visão geral do funcionamento da arquitetura.
Inicialmente, os alunos serão cadastrados nos cursos de um AVA, no qual irão realizar suas atividades normalmente. O AVA irá disponibilizar o acesso ao material requisitado por cada aluno, salvando seus logs de acesso. Nessa etapa, o plugin se integra ao AVA funcionando como um listener entre as requisições realizadas pelo AVA e o acesso ao banco de dados do AVA. Os dados capturados pelo plugin são instanciados (populados) na Prov4LA via OWLAPI 1, o reasoner é acionado e as inferências são capturadas. Ao fim, o plugin irá trabalhar com um SGBD NoSQL pelo qual os dashboards poderão consultar os resultados processados pela Prov4LA, coletando os históricos de atividade e outras informações para utilização em LA, e os sistemas de recomendação poderão consultar quais são os melhores alunos para recomendar determinados assuntos ou então, dado que algum aluno recebeu um recomendação anteriormente, quais outros possuem perfis parecidos e são potenciais para receber a mesma recomendação.
A utilização dessa arquitetura torna-se uma alternativa viável, pois utilizando a Prov4LA, além de gerar a proveniência dos dados e facilitar a integração destes entre AVAs, há uma padronização dos dados gerados para aplicações, tanto para o cenário de Learning analytics quanto para sistemas de recomendação de conteúdos educacionais.
Como prova de conceito da arquitetura de integração proposta, esta subseção descreve um cenário possível para sua aplicação da arquitetura. Especificamente, descreve-se um exemplo de curso ministrado no Moodle, o qual corresponde a um curso X que é ministrado no AVA e onde os alunos A e B participam do mesmo curso. O Aluno A acessa os conteúdos disponibilizados pelo professor e, através de um evento de recomendação
Figura 3. Arquitetura de integração recebe uma recomendação de um conteúdo Y como resultado. Como o Aluno B, que faz o mesmo curso que o aluno A e recebeu, inicialmente, acesso ao mesmo conteúdo que A e A recebeu a recomendação Y, então é inferido que o Aluno B torna-se um potencial agente a receber a mesma recomendação de Y. A Figura 4 apresenta a exemplificação do caso descrito dentro da ontologia.
Figura 4. Exemplificação do cenário de aplicação
Este trabalho apresentou uma estrutura para padronizar a geração de dados de LA e prover assistências a sistemas de recomendação. Foi apresentada a Prov4LA, uma ontologia para captura de proveniência de eventos dentro de ambientes virtuais de aprendizagem. Para utilização correta da Prov4LA foi proposta uma arquitetura de integração na qual um plugin funcionará como um listener que captura os acessos a banco de dados realizados por cada ator dentro de um AVA. Através do cenário de aplicação apresentado, foi possível identificar e analisar o rastreamento de atividades, além dos principais eventos ocorridos.
Como trabalhos futuros está prevista a etapa de validação da arquitetura proposta dentro de um curso ministrado no Moodle. Além disso, espera-se a utilização dos metadados gerados dentro de outras ferramentas de LA, por exemplo, com a proveniência coletada conseguir gerar caminhos de aprendizados automáticos para cada aluno, afim de melhorar a interação entre os alunos e os ambientes virtuais de aprendizagem.