A partir da análise dos dados educacionais é possível observar o desempenho tanto do estudante quanto das instituições, oportunizando a tomada de decisões para a melhoria do processo de ensino-aprendizagem. O Exame Nacional de Desempenho de Estudantes (Enade) permite avaliar e acompanhar este processo. A educação é uma área fundamental para o crescimento e desenvolvimento de um país. Desta forma, o desafio desta pesquisa é detectar possíveis falhas na formação dos alunos a partir da análise do conteúdo do Enade, além de identificar as áreas de conhecimento que são preditoras do sucesso no resultado do exame. Assim, este texto descreve a implementação de uma metodologia para a análise de conteúdo do Enade, com vistas a indicar as disciplinas que mais impactam no resultado deste exame. Como estudo de caso, foram usados os dados de todos os estudantes do curso de Bacharelado em Ciência da Computação, que realizaram os exames referentes aos anos de 2005, 2008, 2011, 2014 e 2017. As questões dos exames foram classificadas de acordo com as áreas do curso de Bacharelado em Ciência da Computação. Além disso, foram aplicados testes estatísticos nos resultados obtidos pelos estudantes no Enade de modo a reconhecer preditores e estrutura do exame. O resultado foi um relatório baseado em análise de conteúdo que permite analisar o Enade por tema. A partir da generalização dos resultados obtidos, a metodologia poderá ser aplicada a outras áreas de conhecimento, expandindo o escopo de análises possíveis, utilizando os dados do Enade.

Research on ontology learning has been carried out in many knowledge areas, especially in Artificial Intelligence. Semi-automatic or automatic ontology learning can contribute to the field of knowledge representation. Many semi-automatic approaches to ontology learning from texts have been proposed. Most of these proposals use natural language processing techniques. This paper describes a computational framework construction for semi-automated ontology learning from texts in Portuguese. Axioms are not treated in this paper. The work described here originated from the Philipp Cimiano’s proposal along with text standardization mechanisms, natural language processing, identification of taxonomic relations and techniques for structuring ontologies. In this work, a case study on public security domain was also done, showing the benefits of the developed computational framework. The result of this case study is an ontology for this area.

No abstract

No abstract

Os crescentes avanços tecnológicos e o fácil acesso a novas tecnologias levaram a mudanças significativas na socie- dade as quais agora se refletem na educação. Com o objetivo de melhorar o processo de aprendizagem contribuindo com o aprimoramento das metodologias de ensino, este artigo apresenta o uso de técnicas de sala de aula invertida, aprendizagem baseada em problemas, trabalho em grupo e gamification em um curso de Inteligência Artificial. A metodologia apresentada aqui foi alcançada através experimentações e mudanças incrementais definidas a partir das opiniões dos alunos e dos resultados produzidos por eles. Uma quarta abordagem é sugerida para atender a demanda por aulas remotas durante o período de pandemia do COVID-19. Essa proposta foi constituída a partir das experiências obtidas nas abordagens anteriores. Os resultados preliminares mostraram uma melhora nas notas dos alunos, além de estimular o pensamento crítico e o uso de conceitos teóricos na resolução de problemas práti- cos durante as aulas, melhorando o uso de pensamentos de primeira ordem, conforme definido pela Taxonomia de Bloom. Os resultados são encorajadores e nos permitiram refletir como a nova geração de alunos está aprendendo e as melhores práticas para construir conhecimento em sala de aula.