DETECÇÃO DA AUTOEFICÁCIA EM AMBIENTES COMPUTACIONAIS DE APRENDIZAGEM

Autores

DOI:

https://doi.org/10.47820/recima21.v6i1.6174

Palavras-chave:

Aprendizagem, Autoeficácia, Ambientes Computacionais de Aprendizagem

Resumo

Este estudo tem por objetivo principal desenvolver um modelo para diagnosticar, acompanhar e instruir sobre a Autoeficácia dos alunos em Ambientes Computacionais de Aprendizagem (ACA), com intuito de contribuir para o aperfeiçoamento e aprimoramento de estratégias de aprendizagem. A pesquisa se insere na área de Computação Afetiva, que investiga a relação entre emoções e aprendizado, considerando como as emoções podem impactar de forma positiva ou negativa nas ações do cotidiano dos alunos. A Autoeficácia é entendida como a crença do aluno em sua capacidade de desempenho, afetando diretamente sua motivação e comportamento. Optou-se por um estudo do tipo quanti-qualitativo, com delineamento exploratório e descritivo. Assim, o estudo compreende três etapas: diagnóstico da Autoeficácia, uso da ferramenta Orange para criação de padrões de comportamento, instrução e monitoramento contínuo dos alunos. O estudo visa ajudar no autoconhecimento dos alunos e ainda melhorar a organização e planejamento, resultando em escolhas acadêmicas mais assertivas, bem como a melhoria do desempenho. Com o foco no avanço da aprendizagem e na redução de evasão escolar, o modelo destaca-se pela abordagem preventiva da autoeficácia, especialmente relevante para o ensino a distância.

Downloads

Os dados de download ainda não estão disponíveis.

Biografias do Autor

  • Kelis Estatiane de Campos

    Graduada em Licenciatura Plena em Computação pela Universidade do Estado de Mato Grosso- UNEMAT, Mestre em Educação pela UNEMAT, Doutorado pela Universidade do Vale dos Sinos. Professora da UNEMAT. Universidade do Vale dos Sinos.

     

     

  • Sandro José Rigo

    Professor emérito da Universidade do Vale dos Sinos.



  • Jorge Luís Victória Barbosa

    Universidade do Vale do Rio dos Sinos.

Referências

ALMEIDA, M. E. B. de. Educação a distância na internet: abordagens e contribuições dos ambientes digitais de aprendizagem. Educação e Pesquisa, São Paulo, v. 29, n. 2, p. 327-340, jul./dez. 2003. DOI: https://doi.org/10.1590/S1517-97022003000200010

ARROYO, I. et al. A multimedia adaptive tutoring system for mathematics that addresses cognition, metacognition and affect. International Journal of Artificial Intelligence in Education, [S. l.], v. 24, n. 4, p. 387–426, 30 dez. 2009. DOI: https://doi.org/10.1007/s40593-014-0023-y

ASHINSKY, B. G.; BOUHRARA, M.; COLETTA, C. E.; THAM, S. C.; AKBARIPOUR-DEHKORDI, M.; SPENCER, R. G. Predicting early symptomatic osteoarthritis in the human knee using machine learning classification of magnetic resonance images from the Osteoarthritis Initiative. Journal of Orthopaedic Research, v. 35, n. 10, p. 2243–2250, 2017. DOI: https://doi.org/10.1002/jor.23519

BANDURA, A. Self- Efficacy - The exercise of control. New York: Freeman. 1997.

BANDURA, A. Self-efficacy. In: RAMACHANDRAN, V. S. (Ed.), Encyclopedia of human behavior. New York: Academic Press, 1998. Vol. 4, p. 71–81.

BANDURA, A. Self-efficacy. In: RAMACHAUDRAN, V. S. Encyclopedia of human behavior. New York: Academic Press, 1994. Vol. 4. p. 71-81. Disponível em: http://www.uky.edu/~eushe2/Bandura/BanEncy.html. Acesso em: 9 fev. 2023.

BANDURA, A. Social foundations of thought and action: a social cognitive theory. Englewood Cliffs: Prentice-Hall, 1986.

BEKER, R. S.; SIEMENS, G. Educational Data Mining and Learning Analytics. Journal of Educational Data Mining, v. 6, n. 1, p. 1-8, 2014.

BERCHT, Bertold. Diário de Trabalho. Rio de Janeiro: Rocco, 2002. Vol 1. p. 1938-1941.

BERCHT, M. Em Direção a Agentes Pedagógicos com Dimensões Afetivas. 2001. Tese (Doutorado) – UFRGS - Instituto de Informática, Porto Alegre, 2001.

BUDGEN, D.; BRERETON, P.; KITCHENHAM, B. A.; TURNER, M.; KHALIL, M. Lessons from applying the systematic literature review process within the software engineering domain. Journal of systems and software, v. 80, n. 4, p. 571-583, 2008. DOI: https://doi.org/10.1016/j.jss.2006.07.009

CASANOVA, J. R.; CERVERO, A.; NÚÑEZ, J. C.; BERNARDO, A.; ALMEIDA, L. S. Abandono no Ensino Superior: Impacto da autoeficácia na intenção de abandono. Revista Brasileira de Orientação Profissional, v. 19, n. 1, p. 43- 51, 2018. doi:1026707/1984-7270/2019v19n1p43

CHAKRABARTI, S., COX, E.; FRANK, E.; GÜTING, R. H.; HAN, J.; JIANG, X.; KAMBER, M.; LIGHTSTONE, S. S.; NADEAU, T. P.; NEAPOLITAN, R. E.; PYLE, D.; REFAAT, M.; SCHNEIDER, M.; TEOREY, T. J.; WITTEN, I. H. Data Mining: Know It All. Morgan Kaufmann, 2009.

COIMBRA, S.; FONTAINE, A. M. Adaptação da escala de autoeficácia generalizada percebida (Schwarzer & Jerusalem, 1993). [S. l.: s. n.], 1999.

CORRY, Michael; STELLA, Julie. Teacher self-efficacy in online education: A review of the literature. Research in Learning Technology, v. 26, 2018. Disponível em: https://doi.org/10.25304 /rlt.v26.2047. Acesso em: 12 mar. 2023. DOI: https://doi.org/10.25304/rlt.v26.2047

COSTA, E. R.; SIMÕES, B. A. Educação e Crenças de Auto-eficácia: Revisão de Artigos de 2007 a 2016. Poíesis Pedagógica, v. 18, p. 199-210, 2020. DOI: https://doi.org/10.69532/2178-4442.v18.64242

DILLENBOURG, P. Collaborative Learning: Cognitive and Computational Approaches. [S. l.]: Elsevier, 1999.

D'MELLO, S., CRAIG, S.; WITHERSPOON, A.; MCDANIEL, B.; GRAESSER, A. Automatic detection of learner's affect from conversational cues. User Modeling and User-Adapted Interaction, v. 18, n. 1-2, p. 45–80, 2008. DOI: https://doi.org/10.1007/s11257-007-9037-6

DORNELES, F. E.; DAL’MOLIN, R.; KUCMANSKI, V. N.; GUARDA, C.; LUTINSKI, J. A.; BUSATO, M. A.; SÁ, C. A. Percepções da População de Chapecó (SC) Sobre Áreas Verdes Urbanas. Revista Nacional de Gerenciamento de Cidades, v. 8, n. 56, p. 85-99, 2020. DOI: https://doi.org/10.17271/2318847285620202267

FONSECA, J. J. S. Metodologia da pesquisa científica. Fortaleza: UEC, 2002. Apostila.

FREITAS, M. F. R. L. Autoeficácia: evidências de validade de uma medida e seu papel moderador no desenvolvimento de dotação e talento. 2011. Dissertação (Mestrado) - Universidade Federal de Juiz de Fora, Minas Gerais, 2011.

GAMBOA, Silvio Sánchez. Pesquisa em Educação: métodos e epistemologias. Chapecó: Ed. Argos, 2007.

GATTI, Bernadeti Angelina, BARRETO, Elba Siqueira de Sá. Professores do Brasil: Impasses e desafios. Brasília: UNESCO, 2009.

GIL, Antônio Carlos. Métodos e técnicas de pesquisa social. São Paulo: Atlas, 2014.

GONÇALVES, Anna Beatryz Vieira; ESCARIÃO, Andréia Dutra; CORREIA, Victoria Ramos Uchôa; HOLANDA, Beatriz Meireles Waked de; BARBOSA, Adriana de Andrade Gaião. Importância da autoeficácia no ensino superior e o papel das instituições: uma revisão da literatura. In: VII CONEDU - Conedu em Casa... Campina Grande: Realize Editora, 2021.

GRAESSER, A. C. Intelligent tutoring systems. In: LEVIN, J. R.; SHAPIRO, M. R. (Eds.). The Cambridge Handbook of Cognitive Science. Cambridge University Press, 2019. p. 412-432.

HATTIE, J.; TIMPERLEY, H. The power of feedback. Review of Educational Research, v. 77, n. 1, p. 81-112, 2007. https://doi.org/10.3102/003465430298487. DOI: https://doi.org/10.3102/003465430298487

JAQUES, P. A.; VICCARI, A. BDI Approach to Infer Student´s Emotions. In: Proceedings do IX Ibero-American Conference on Artificial Intelligence. Puebla Mexico, 2004. DOI: https://doi.org/10.1007/978-3-540-30498-2_90

JOHNSTON, J.; KRAJCIK, J. The role of simulations in education. In: Handbook of Research on Science Education. [S. l.]: Routledge, 2018. p. 1-21.

LEITE, S. R.; TASSONI, E. C. M. Afetividade e avaliação da aprendizagem escolar. Campinas, SP: Alínea, 2002.

LEMOS, A. Epistemologia da comunicação, neomaterialismo e cultura digital. Galáxia, (São Paulo), v. 43, p. 54–66, 2020. DOI: https://doi.org/10.1590/1982-25532020143970

LIMA, W. S. R.; VIANA, M. A. P.; MERCADO, L. P. L. 100 Anos da Educação a Distância no Brasil: a Contribuição da Ufal para o Desenvolvimento do Processo Formativo em Alagoas. EaD em foco, v. 14, n. 2, e2209, 2023. DOI: https://doi.org/10.18264/eadf.v14i2.2209. DOI: https://doi.org/10.18264/eadf.v14i2.2209

LONGHI, S. On-the-Job Search and Job Competition: Relevance and Wage Impact in the UK. [S; l.]: ISER Working Paper 2007.

MEDEIROS, P. C.; LOUREIRO, S. R.; LINHARES, M. B. M. O senso de auto-eficácia e o comportamento orientado para a aprendizagem em crianças com dificuldades de aprendizagem. Estudos de Psicologia, (Natal), v. 5, n. 2, p. 311-340, 2000.

MILGRAM, P.; KISHINO, F. A taxonomy of mixed reality visual displays. IEICE Transactions on Information and Systems, E77-D, v. 12, p. 1321-1329, 1994.

MOORE, M. G.; KEARSEY, G. Educação a Distância: uma visão integrada. Trad. Roberto Galman. São Paulo: Censage Learnin, 2008.

MORAES, F.; SILVA, J.; REIS, H.; ISOTANI, S.; JAQUES, P. Computação Afetiva aplicada à Educação: uma revisão sistemática das pesquisas publicadas no Brasil. In: XXVIII Simpósio Brasileiro de Informática na Educação SBIE (Brazilian Symposium on Computers in Education). Recife: Recife.org.crossref.xschema.1.Title@482889ac, 2017. p. 163. DOI: https://doi.org/10.5753/cbie.sbie.2017.163

PAJARES, F.; SCHUNK, D. H. Self-beliefs and school success: self-efficacy, self-concept and school achievement. In: Riding & Rayner (Eds.). Perception. London: Ablex, 2001. p.239-266.

PETERS, O. Educação a distância em transição. São Leopoldo: Unisinos, 2002.

PETERSEN, K.; VAKKALANKA, S.; KUZNIARZ. L. Guidelines for conducting systematic mapping studies in software engineering: An update. Information and Software Technology, v. 64, 2015. DOI: https://doi.org/10.1016/j.infsof.2015.03.007

PICARD, R. W. Affective Computing. Cambridge: MIT Press. 1997. DOI: https://doi.org/10.7551/mitpress/1140.001.0001

PINA NEVES, S.; FARIA, L. Auto-eficácia acadêmica e atribuições causais em Português e Matemática. Análise Psicológica, 2006. (submetido a publicação).

POLYDORO, Soely Aparecida Jorge. (org.) Autoeficácia em diferentes contextos. Campinas, SP: Alínea, 2010.

SÁ, A. P. Propriedades psicométricas de uma escala de auto-eficácia acadêmica e suas relações com desempenho estudantil e interação social. Revista Brasileira de Terapias Cognitivas, v. 2, n. 2, p. 61–72, 2006.

SAGIROGLU, S.; SINANC, D. Big Data: A Review. In: 2013 International Conference on Collaboration Technologies and Systems (CTS), p. 42-47, 2013. DOI: https://doi.org/10.1109/CTS.2013.6567202

SCHERER, K. (Ed). Les Emotins. Paris: Delachaux et niestlé, 2000.

SHEN, D., CHO, M-H.; TSAI, C. L.; MARRA, R Unpacking online learning experiends: Online learning selt-efficacy and learning satisfaction. The internet and Higler Education, v. 19, n. 3, p. 10-17, 2013. DOI: https://doi.org/10.1016/j.iheduc.2013.04.001

SIMÕES, D. J.; COSTA, D. J. S. Educação e crenças de autoeficácia. Poiesis, v. 14, n. 24, p. 1–15, 2020.

SOBOL-SHIKLER, T.; ROBINSON, P. Classification of complex information: Inference of co-occurring affective states from their expressions in speech. IEEE Trans. Pattern Anal. Mach. Intell, v. 32, n. 7, p. 1284–1297, 2010. DOI: https://doi.org/10.1109/TPAMI.2009.107

TANI, G. Formação profissional em educação física: mercado em transformação e competências. Motriz: Revista de Educação Física, v. 19, n. 3, p. 552–557, 2007. DOI: https://doi.org/10.1590/S1980-65742013000300004

TEIXEIRA, Anísio. Educação no Brasil. Rio de Janeiro: Editora UFRJ, 2011.

TEIXEIRA, M. O. A abordagem sócio-cognitiva no aconselhamento vocacional: Uma reflexão sobre a evolução dos conceitos e da prática da orientação. Revista Brasileira de Orientação Profissional, v. 9, n. 2, p. 9-16, 2018. Recuperado de http://pepsic.bvsalud.org/scielo.php?script=sci_arttext&pid=S1679-33902010000200006

TENÓRIO, M.; MELLO, G. A.; VIANA, A. L. Gestão e percepção de pesquisa em rede: uma visão a partir da Rede Nacional de Pesquisa Clínica em Hospitais de Ensino. RECIIS - Revista Eletrônica de Comunicação, Informação e Inovação em Saúde, Rio de Janeiro, v. 10, n. 3, p. 1-11, jul./set. 2016. DOI: https://doi.org/10.29397/reciis.v10i3.1158

TORISU, E. M.; FERREIRA, A. C. A teoria social cognitiva e o ensino-aprendizagem da matemática: considerações sobre as crenças de autoeficácia matemática. Ciências & Cognição, v. 14, n. 3, p. 168–177, 2009.

TRIVIÑOS, A. N. S. Introdução à pesquisa em ciências sociais: a pesquisa qualitativa em educação. 18. ed. São Paulo: Atlas, 2009.

VAN LEHN, K. The relative effectiveness of human tutoring, intelligent tutoring systems, and other tutoring systems. Educational Psychologist, v. 46, n. 4, p. 197-221, 2011). https://doi.org/10.1080/00461520.2011.610456. DOI: https://doi.org/10.1080/00461520.2011.611369

Publicado

27/01/2025

Como Citar

DETECÇÃO DA AUTOEFICÁCIA EM AMBIENTES COMPUTACIONAIS DE APRENDIZAGEM. (2025). RECIMA21 -Revista Científica Multidisciplinar - ISSN 2675-6218, 6(1), e616174. https://doi.org/10.47820/recima21.v6i1.6174