Resumo
Na Educação a Distância (EaD), a maioria dos Ambientes Virtuais de Aprendizagem (AVA) abordam o conteúdo da mesma maneira para todos os alunos. Esse tipo de abordagem pode não favorecer no desempenho destes, visto que cada um tem suas próprias preferências de aprendizagem. A entrega de conteúdos adaptáveis dentro do AVA, onde cada aluno terá acesso ao ambiente de acordo com o seu perfil, assim como métodos avaliativos diferenciados, são exemplos de melhorias que podem ser feitas através da identificação dos Estilos de Aprendizagem (EA). Diante deste contexto, delimita-se o objetivo de pesquisa deste trabalho como sendo um estudo comparativo referente à modelagem preditiva dos estilos de aprendizagem dos alunos através de uma abordagem com base nos atributos da literatura, gerados pelas interações dos alunos, e uma abordagem com base nos atributos gerados pelo modelo de avaliação Learning Vectors (Modelo LV), no ambiente virtual de aprendizagem MOODLE (Modular Object-Oriented Dynamic Learning Environment). O método utilizado nesta pesquisa foi baseado na metodologia KDD (Knowledge Discovery in Databases), passando pelas fases de entendimento do domínio, seleção e coleta dos dados, pré-processamento, formatação e modelagem dos dados e por último avaliação dos algoritmos de classificação. O modelo de EA utilizado foi o modelo de Felder e Silverman,queclassificaoalunoemquatrodimensões(processamento,percepção,captação, organização). Já o processo de modelagem realizou-se por meio de dados extraídos da base de dados de um curso EaD. Como resultado da fase de modelagem, foi realizado o desenvolvimento, avaliação e comparativo de cinco modelos de classificação, por meio dos algoritmos: K Nearest Neighbor (KNN), Redes Bayesianas, Multi-Layer Perceptron (MLP), Decision Tree (DT) e Support Vector Machine (SVM). O modelo SVM apresentou-se como sendo o mais satisfatório, sendo capaz de predizer o perfil dos alunos, com base nos atributos do Modelo LV, com uma taxa média de acurácia nas quatro dimensões de 81,00% e uma média da área sobre a curva ROC de 83,36%. Já na classificação com base nos atributos da literatura, o SVM obteve uma média de acurácia de 75,76% e média de área sobre a curva ROC de 76,85%. Os resultados mostram que o método proposto com base no Modelo LV, alcança valores satisfatórios que são comparáveis e até melhores que os métodos tradicionais da literatura, fornecendo assim uma alternativa válida para tal abordagem