Dissertação

{en_GB=Profiling users in gamification} {} EVALUATED

{pt=A implementação da gamificação num contexto académico teve um impacto significativo, não só na motivação, como no desempenho da aprendizagem dos alunos. Ambientes gamificados revelaram diferentes comportamentos da parte de diferentes alunos nas mesmas condições, tornando a definição de perfis de alunos um assunto de interesse. "Educational Data Mining" diz respeito ao desenvolvimento de métodos para explorar dados provenientes de ambientes educativos. O objetivo é compreender melhor o processo de aprendizagem do aluno e identificar os seus métodos de aprendizagem de forma a melhorar os resultados a nível académico. Esta tese propõe a exploração do processo de descoberta de conhecimento de forma a construir um modelo preditivo para detectar os perfis dos alunos o mais perto do início do semestre possível, a partir de dados extraídos de uma unidade curricular gamificada. Dada a natureza esparsa dos dados, foi efectuada uma consolidação num armazém de dados, de forma a facilitar o processo de "data mining". Na fase de detecção de perfis, comparámos o desempenho de quatro algoritmos de aprendizagem em dois conjuntos de dados rotulados de forma diferente em várias fases do semestre. Os resultados mostraram que as características dos conjuntos de dados e dos hiperparâmetros selecionados consistem em factores de maior impacto do desempenho dos classificadores. A nossa abordagem garante a possibilidade de prever o perfil de aprendizagem dos alunos ao fim de cinco semanas, após o início do semestre. , en=The implementation of gamification in an educational context had a significant impact not only on the motivation but also on the learning performance of students. Gamified environments revealed different behaviors from different students in the same conditions, making it interesting to define student profiles. Educational Data Mining concerns the development of methods for exploring data that come from educational environments. It aims to better understand the student's learning process and to identify their learning settings to improve educational outcomes. This thesis proposes the exploration of the knowledge discovery process to build a predictive model to early detect students' learning profiles on data collected from a gamified course. Given the sparsity of the data, a prime consolidation in a Data Warehouse was performed to ease the data mining process. In the profiling phase, we compared the performance of four learning algorithms on two differently labeled datasets, over several phases throughout the semester. The results showed that the characteristics of the datasets and the selected hyperparameters consisted of essential factors to varying the performance of the classifiers. Our approach ensures the possibility of predicting the students' learning profiles by five weeks into the semester. }
{pt=Gamificação, Unidade Curricular Gamificada, Armazém de Dados, Detecção de Perfis, Criação de Modelos, en=Gamification, Gamified Course, Data Warehouse, Profiling, Student Modeling}

Novembro 18, 2019, 16:30

Publicação

Obra sujeita a Direitos de Autor

Orientação

ORIENTADOR

Claudia Martins Antunes

Departamento de Engenharia Informática (DEI)

Professor Auxiliar