Resumen de A análise de emoções na predição do desempenho acadêmico

William Marinho Santos, Helga Cristina Hedler, Edilson Ferneda, Hercules Antonio do Prado, Breno Giovanni Adaid Castro

• English

  Identification of emotions, especially in Distance Learning (DL) courses, can be relevant for managers who seek for improving the student's academic performance. This study aims to propose a computational tool for the identification of relationships between predominant emotions in the learning environment and the academic performance of students in the context of distance learning. For this, textual interactions in virtual learning environments (VLE) between teachers and students were used. Natural language processing techniques were used to analyze emotions in a corpus extracted from the databases of a VLE, complemented by identification and performance data obtained from the academic management system. The initial corpus consisted of 1602 messages, with a level of sentence granularity, exchanged in the context of a discipline offered in 2019. From these, 1347 (84.03%) were selected, which could be classified according to the polarity of feelings (Positive, Negative or Neutral) and predominant emotions (Sadness, Joy, Fear, Aversion and Anger). The proposed tool was built over the APIs from IBM's Watson artificial intelligence environment. This tool has the potential to provide tutors and managers with useful information to make decisions to mitigate potential problems

• português

  A identificação de emoções, principalmente nos cursos da modalidade de Educação a Distância (EAD), pode ser relevante para a gestão do ambiente visando a melhoria do desempenho acadêmico do aluno. Este estudo tem como objetivo propor uma ferramenta computacional para a identificação de relações entre emoções predominantes no ambiente de aprendizado e o desempenho acadêmico dos estudantes no âmbito da EAD. Para tal, foram utilizadas as interações textuais em ambientes virtuais de aprendizagem (AVA) ocorridas entre professores e alunos. Foram utilizadas técnicas de processamento de linguagem natural para análise de emoções sobre um corpus extraído das bases de dados de um AVA, complementado por dados de identificação e rendimento obtidos no sistema de gestão acadêmica. O corpus inicial foi composto por 1602 mensagens, com nível de granularidade de sentença, trocadas no contexto uma disciplina oferecida em 2019. Destas, foram selecionadas 1347 (84,03%), que puderam ser classificadas de acordo com a polaridade dos sentimentos (Positivo, Negativo ou Neutro) e emoções predominantes (Tristeza, Alegria, Medo, Aversão e Raiva). A ferramenta proposta foi construída sobre as APIs do ambiente de inteligência artificial Watson da IBM. Essa ferramenta tem o potencial de fornecer a tutores e gerentes informações úteis para a tomada de decisões e mitigação de possíveis problemas.