The school dropout problem has been recurrent in different educational areas, which has reinforced important challenges when pursuing education objectives. In this scenario, technical schools have also suffered from considerable dropout levels, even when considering a still increasing need for professionals in areas associated to computing and engineering. Actually, the dropout phenomenon may be not uniform and thus it has become urgent the identification of the profile of those students, putting in evidence techniques such as eXplainable Artificial Intelligence (XAI) that can ensure more ethical, transparent, and auditable use of educational data. Therefore, this article applies and evaluates XAI methods to predict students in school dropout situation, considering a database of students from the Federal Institute of Rio Grande do Norte (IFRN), a Brazilian technical school. For that, a checklist was created comprising explanatory evaluation metrics according to a broad literature review, resulting in the proposal of a new explainability index to evaluate XAI frameworks. Doing so, we expect to support the adoption of XAI models to better understand school-related data, supporting important research efforts in this area.

Por meio de Revisão Sistemática de Literatura (RSL) realizada em anais de congressos na área de Tecnologia Educacional, a presente pesquisa teve como propósito identificar artigos de 2014 a 2017 que versassem sobre o uso de dispositivos móveis para o Tratamento da Informação (TI). Os resultados mostram que, apesar de recentes as pesquisas envolvendo práticas com dispositivos móveis para o Tratamento da Informação, há um aumento na produção nos últimos anos, além disso, não houve pesquisas que fizessem o uso de aplicativos para smartphones para TI.

A sociedade está vivenciando momentos de mudanças de hábitos, devido ao desenvolvimento das tecnologias digitais móveis, como os smartphones. Abordagens baseadas no uso de um dispositivo móvel por aluno (um para um, ou 1:1) estão sendo difundidas, entre elas a proposta BYOD (Bring your own device). Tendo em vista essa realidade, como estudantes de uma pós-graduação em Tecnologias Educacionais percebem o uso dos smartphones em ambientes educacionais? Participaram da pesquisa cerca de 64% dos discentes com vínculo ativo. Através de um estudo de caso, foi aplicado um survey e foi realizada Análise de Similitude através da construção de grafos no software IRaMuTeQ. Dentre os resultados, todos os alunos possuem smartphone próprio com internet móvel e 51% não participaram de formação para seu uso pedagógico.

The mapping and analysis of scientific knowledge makes it possible to identify the dynamics and/or growth of a particular research field or to support strategic decisions related to different research entities, based on bibliometric and/or scientometric indicators. However, with the exponential growth of scientific production, a systematic and data-oriented approach to the analysis of this large set of scientific data becomes increasingly essential. Thus, in this work, a data-oriented methodology was proposed, combining techniques of Machine Learning and Complex Network Analysis, for the extraction of implicit knowledge in scientific production bases, in addition to its validation through a study of case in the Brazilian Engineering IV. The results suggest the feasibility of the proposal, indicating the main researchers, prominent areas and partnership networks. Therefore, the proposed methodology has the potential to implement and expand strategic and proactive decisions of post-graduate programs aiming for a growing impact on society. Resumo: O mapeamento e análise do conhecimento científico permite identificar a dinâmica e/ou crescimento de um determinado campo de pesquisa ou apoiar decisões estratégicas relacionadas às diversas entidades de pesquisa, a partir de indicadores bibliométricos e/ou cientométricos. Contudo, com o crescimento exponencial da produção científica, torna-se cada vez mais essencial uma abordagem sistemática e orientada a dados para análise desse conjunto volumoso de produções. Desse modo, neste trabalho, foi proposta uma metodologia orientada a dados, combinando técnicas de Machine Learning e de Análise de Redes Complexas, para extração de conhecimento implícito em bases de produções científicas, além de sua validação por meio de um estudo de caso nas Engenharias IV brasileiras. Os resultados sugerem a viabilidade da proposta, indicando os principais atores, áreas de destaque e redes de parcerias. Portanto, a metodologia proposta tem o potencial de instrumentar e expandir decisões estratégicas e proativas dos programas de pós-graduação visando um impacto, como consequência, cada vez maior na sociedade.

Com a expansão das novas formas de aprendizagem, muitos professores acabam necessitados de formação continuada. Desse modo, o mapeamento de demandas formativas é interessante para que sejam realizados trabalhos nas potenciais demandas. Tendo em vista essa problemática, este trabalho tem o objetivo de realizar uma revisão sistemática da literatura para identificação das técnicas de levantamento de demandas formativas. Foram encontrados 45 artigos que realizaram o levantamento por meio de questionário e observação. As demandas formativas compuseram um corpus textual no qual uma análise semântica latente foi realizada, dentre as quais o uso de dispositivos móveis e composição de grupos colaborativos obtiveram maior destaque.