A cada ano aumenta o número de instituições de ensino que utilizam Ambientes Virtuais de Aprendizagem no ensino a distância. Esses Ambientes Virtuais de Aprendizagem geram um grande volume de informações, de suma importância para essas instituições, assim como para os professores, e com essas informações podemos identificar várias emoções dos estudantes, como frustração, isolamento, desânimo e desmotivação, e por meio de técnicas de Inteligência Artificial é possível estimular e motivar os estudantes. A afetividade é um grande "aliado" para promover a aprendizagem, e para promover a afetividade em ambientes virtuais de aprendizagem é necessário que as ações de interatividade do mediador sejam mais constantes, estando presentes e atentas ao “movimento” dos alunos, buscando ajudá-los de maneira individual e consciente, dando-lhes feedback, fazendo com que se sintam seguros e ajudando a animá-los. A interação entre pessoas em cursos presenciais obtém excelentes resultados, pois os sentidos ajudam os alunos na execução das atividades, porém em Ambientes Virtuais de Aprendizagem essa percepção é diferente e precisa ser estimulada. Dessa forma, essa Tese descreve um modelo para identificação automática de emoções em textos produzidos por estudantes da modalidade Educação a Distância em Ambientes Virtuais de Aprendizagem – AVAs. A abordagem proposta nesse trabalho permite identificar o sentimento contido em mensagens textuais de estudantes de cursos a distância utilizando algoritmo de classificação automática usando análise de sentimentos baseado em abordagem léxica. Os principais resultados obtidos foram no sentido de que a abordagem proposta (léxica, a partir de Análise de Sentimentos) pode colaborar positivamente para o processo de ensino-aprendizagem, tendo em vista que saber o estado emocional dos estudantes pode melhorar no acompanhamento da turma, pois com essas informações adicionais o tutor tem mais um recurso para tomada de decisões, como reconhecer alunos com insatisfação e falta de interesse no curso. Como limitação da pesquisa, temos: subjetividade nos textos, produção de textos grandes, tamanho da amostra, tempo de classificação.
|
