Análise de Dados Educacionais

Prévia do material em texto

Módulo Vivências Pedagógicas
Unidade Curricular 04 – Análise de dados educacionais
Semana 1 – Fundamentos da análise de dados educacionais
CURSO DE ESPECIALIZAÇÃO
EDUCAÇÃO CONTEMPORÂNEA COM ÊNFASE EM PROJETO DE VIDA
Clique para editar os estilos de texto Mestres
Segundo nível
Terceiro nível
Quarto nível
Quinto nível
1
		CHECK-IN	Agenda
Levantamento de conhecimentos prévios
5 minutos
		EMBARQUE	Tema da Aula
Objetivos do Encontro
10 minutos
		EM PLENO VOO	Big Data
Cadeia conceitual dos dados à sabedoria
Modelo DYKW
35 minutos
		PAUSA PARA O CÉREBRO	Intervalo de descanso para o cérebro
10 minutos
		TERRA E AR	Análise de dados educacionais - prática
45 minutos
		PONTE AÉREA	Strateegia
		CHECK-OUT	Checagem dos objetivos
Lista de Presença
10 minutos
		PRÓXIMA ESCALA	Ainda essa semana
Na próxima semana
5 minutos
AGENDA DO DIA
2
Retomando os pontos da unidade curricular
Semana 1
Semana 2
Semana 3
Ambientes de aprendizagem inteligentes e centrados no estudante
Planejamento reverso
Metodologias Inov-ativas na educação contemporânea 
Ambientes de aprendizagem
Características dos ambientes de aprendizagem
Ambientes inteligentes
Metodologias (cri)ativas
Metodologias ágeis
Metodologias imersivas
Metologias analíticas
Resultados desejados
Evidências de aprendizagem
Experiência de aprendizagem
CHECK-OUT
Slide de check-out – Elemento Obrigatório
Checagem dos objetivos da aula e autoavaliação do cursista.
3
EMBARQUE
Slide de Transição
4
Levantamento de conhecimentos prévios 
Onde eles podem ser obtidos?
O que são dados educacionais
AGENDA DO DIA
Semana 1
Semana 2
Semana 3
Fundamentos da análise de dados educacionais
Coleta, análise e exibição de dados educacionais
Tomada de decisão baseada em dados 
Unidade Curricular 04
Análise de Dados Educacionais
EMBARQUE
6
Objetivo geral
Compreender como a análise de dados educacionais pode melhorar o processo de ensino-aprendizagem.
Objetivos específicos
Identificar as competências que compõem a fluência em dados;
Compreender a cadeia conceitual dos dados à sabedoria;
Entender o modelo DIKW (dados, informação, conhecimento, sabedoria);
Aplicar a análise de dados para identificar padrões e propor ações/intervenções.
Objetivos do encontro
EMBARQUE
7
EM PLENO VOO
Slide de Transição
8
Dados educacionais são qualquer tipo de informação coletada sobre estudantes que pode ser utilizada para entender quem são e como é possível melhorar o desempenho individual e em grupo.
Os dados, quando tratados de forma correta, ética e estratégica, podem fornecer insights valiosos para o desenvolvimento e a implementação de estratégias pedagógicas eficazes.
(Filatro, A. Texto autoral)
“
Fundamentos da análise de dados educacionais
EMBARQUE
EM PLENO VOO
9
Os dados podem vir de várias fontes:
Notas dos estudantes em provas e trabalhos;
Índices de frequência em sala de aula e pontualidade;
Resultados de grandes avaliações: SAEB, PISA, ENEM, ENADE, etc.
Dessas avaliações são extraídos os dados quantitativos e qualitativos.
Dessa forma, torna-se possível medir e comparar objetivamente o desempenho dos estudantes e a eficácia dos programas educacionais.
Fundamentos da análise de dados educacionais
EMBARQUE
Os dados educacionais qualitativos não são facilmente traduzidos em números.
Esse tipo de dado fornece insights sobre comportamentos, atitudes e percepções.
Alguns exemplos: feedback dos estudantes sobre os materiais didáticos;
observações de sala de aula; entrevistas com pais ou com estudantes evadidos, etc.
Fundamentos da análise de dados educacionais
EMBARQUE
Investigar dados educacionais e tomar decisões com base em evidências são tarefas indispensáveis.
Todos os níveis na hierarquia educacional, desde as Secretarias de Educação, até a comunidade escolar, devem fazer uso dessas informações que têm potencial de colaborar com a adoção de distintas estratégias para solução dos problemas ou desigualdades diagnosticados.
Aquisição de Dados na Educação: como identificar e obter dados de maneira eficiente nas escolas para gerenciar os desafios educacionais. https://observatoriodeeducacao.institutounibanco.org.br/em-debate/gestao-escolar-metodos-de-pesquisa-e-aquisicao-de-dados-educacionais 
Fundamentos da análise de dados educacionais
Os dados quantitativos são dados numéricos. Inclui dados que são discretos (podem ser contados) e dados que são contínuos (podem ser medidos).
EMBARQUE
Big Data se refere a conjuntos de dados grandes e complexos, difíceis de serem processados por softwares comuns de gerenciamento de dados. 
Big Data na educação: o que é e como usar? https://blog.plataformaaz.com.br/big-data-na-educacao/ 
EM PLENO VOO
O que é Big Data? [CT Responde  https://youtu.be/qN_-sltGFOw
EM PLENO VOO
A utilização do BIG DATA na Educação:
Previsão de resultados acadêmicos
Com base em dados históricos de desempenho acadêmico, é possível usar técnicas de análise preditiva para prever o sucesso dos alunos em determinadas disciplinas ou em avaliações futuras. 
 
Análise do engajamento dos alunos
Por meio do monitoramento de dados, como participação em sala de aula, atividades online e outras métricas de engajamento definidas pela escola, é possível identificar o nível de envolvimento dos estudantes nas aulas e implementar estratégias para aumentar o engajamento e a motivação. 
Big Data na educação: o que é e como usar? https://blog.plataformaaz.com.br/big-data-na-educacao/ 
EM PLENO VOO
LGPD e o uso do Big Data na educação 
Apesar dos benefícios, um dos principais desafios do uso do Big Data na educação refere-se à segurança e privacidade dos dados. No Brasil, esse processo fica a cargo da Lei Geral de Proteção de Dados (LGPD, 2014), mecanismo jurídico que estabelece diretrizes para o uso adequado e seguro dos dados pessoais em todas as organizações, incluindo escolas. 
A proteção da privacidade dos dados dos alunos – e também professores e colaboradores – é essencial e requer medidas estratégicas de segurança, asseguradas pela LGPD. Por exemplo, a escola precisa garantir que os dados sejam armazenados e utilizados de forma ética e segura, protegendo a identidade e os direitos de todos. 
EM PLENO VOO
Vídeo: LGPD - Tratamento de dados de crianças. Conexão IFPR. https://youtu.be/owhmCEsyBxI?si=6ZYfNSeWtETC0dHT 
EM PLENO VOO
Fonte: Somerville (2014)
Dados são os elementos primários, isentos de significado, que representam fatos e quantidades brutas, sem contexto. 
Por exemplo, uma lista de notas de testes de estudantes sem nenhuma informação adicional é um dado bruto.
Cadeia conceitual dos dados à sabedoria
EM PLENO VOO
18
Fonte: Somerville (2014)
Informação se refere a dados processados, organizados ou estruturados. São dados com contexto que podem responder a perguntas básicas como quem, o que, onde e quando? 
No contexto educacional, podem ser as notas médias de uma turma, indicando o nível de desempenho da classe. 
Cadeia conceitual dos dados à sabedoria
EM PLENO VOO
19
Fonte: Somerville (2014)
Conhecimento envolve a compreensão de conceitos, padrões e relações entre pedaços de informação. 
Na educação, se um professor entende que os estudantes têm um desempenho melhor em uma matéria após a implementação de discussões em grupo, isso é conhecimento obtido a partir da análise da informação das notas de uma classe.
Cadeia conceitual dos dados à sabedoria
EM PLENO VOO
20
Fonte: Somerville (2014)
Insight está relacionado à capacidade de enxergar conexões entre pontos de dados que outras pessoas ainda não enxergaram. 
Por exemplo, um professor pode ter o insight de que a participação dos estudantes aumenta quando lhes é dada autonomia para escolher os temas de um projeto.
Cadeia conceitual dos dados à sabedoria
EM PLENO VOO
21
Sabedoria é a capacidade de colocar em prática os dados, as informações, os conhecimentos e os insights para fazer julgamentos e tomar decisões. 
Um exemplo é um diretor decidindo implementar uma nova política educacional em toda a escola, após anos observando diferentesmétodos de ensino, compreendendo seus impactos e considerando as implicações éticas e os benefícios a longo prazo para os estudantes.
Cadeia conceitual dos dados à sabedoria
Fonte: Somerville (2014)
EM PLENO VOO
22
Fonte: adaptado de Matthew.viel (Wikimedia Commons, 2016)
Modelo DIKW
EM PLENO VOO
A figura acima ilustra a transição de dados para a sabedoria, e as diferentes etapas e usos. À esquerda da pirâmide está uma lista das etapas que movem os dados em direção à informação — variando de coleta e processamento à disseminação, armazenamento, exibição e proteção. Mover-se de dados para informação se assemelha, até certo ponto, à análise descritiva e diagnóstica de um lado, e à análise preditiva e prescritiva de outro lado. A análise descritiva fornece uma visão geral do que está acontecendo, e a análise diagnóstica fornece as respostas para o porquê de algo estar acontecendo. Quando não há resposta a essa informação, ela permanece como dados e informação. Quando dados e informação se tornam conhecimento, esse processo envolve agir sobre a informação e inclui etapas como criar, organizar, aplicar e transferir. A sabedoria como o resultado final desse processo significa um entendimento compartilhado e em evolução.
 
O que é particularmente interessante sobre a figura é a mudança de cor da barra à direita, representando os riscos associados à movimentação em direção à sabedoria. Se coletamos dados que são tendenciosos, incompletos ou baseados em decisões mal-informadas, os riscos para a qualidade dos resultados são altos e provavelmente terão um impacto direto se o resultado final surgir como uma percepção significativa.
23
O Celular pode te ouvir? Aprenda a ler dados por trás desse mistério
O celular pode te ouvir? Aprenda a ler dados por trás desse mistério | Habilidados #1 (youtube.com)
CHECK-IN
24
PAUSA PARA O CÉREBRO
Intervalo de descanso para o cérebro
10 MINUTOS
PAUSA PARA O CÉREBRO
TERRA E AR
Slide de Transição
26
Cartão de atividade_UC4_S1.docx
Elaborar um instrumento de coleta de dados
EM PLENO VOO
Ter fluência em dados,  segundo a Social Good Brasil, é a capacidade de: 
Ler dados
Trabalhar com dados
Analisar dados
Comunicar com dados
Tomar decisão orientada por dados
Garantir a ética, privacidade e segurança de dados
Utilizar dados e tecnologias para gerar impacto positivo
CHECK-IN
Envolve a capacidade de:
 
Ler dados: esta competência está relacionada à capacidade de as pessoas entenderem o que são dados e quais aspectos do mundo eles representam, identificando diferentes tipos de dados necessários no dia a dia para a vida pessoal e no trabalho, bem como serem capazes de acessá-los, interpretá-los e qualificá-los.
 
Trabalhar com dados: Esta competência está relacionada à capacidade de as pessoas coletarem, organizarem, armazenarem e descartarem os dados que necessitam no seu dia a dia para a vida pessoal e no trabalho.
 
Analisar dados: Esta competência está relacionada à capacidade de as pessoas formularem e responderem a uma série de perguntas usando uma variedade de tipos e fontes de dados. Há 4 níveis crescentes de análises de dados:
 
Descritivo – O que aconteceu?
 
Diagnóstico – Por que aconteceu?
 
Preditivo – O que vai acontecer?
 
Prescritivo – Que ação tomar?
 
As pessoas que desenvolvem uma perspectiva analítica conseguem avançar na complexidade da análise dos dados.
28
CHECK-OUT
Slide de Transição
29
Objetivo geral
Compreender como a análise de dados educacionais pode melhorar o processo de ensino-aprendizagem.
Objetivos específicos
Identificar as competências que compõem a fluência em dados;
Compreender a cadeia conceitual dos dados à sabedoria;
Entender o modelo DYKW (dados, informação, conhecimento, sabedoria);
Aplicar a análise de dados para identificar padrões e propor ações/intervenções.
CHECK-OUT
Lista de presença
ATENÇÃO PARA O PREENCHIMENTO CORRETO DOS DADOS! 
Antes de enviar o formulário, certifique-se de que: 
O seu e-mail está correto e sem nenhum erro de digitação. 
O seu nome está completo, sem abreviações. 
O número do seu CPF está correto, sem traços ou pontos. 
O preenchimento incorreto das informações pode impactar na não localização do cursista no lançamento de presença, e consequentemente, o cursista ficará com falta!
CHECK-OUT
31
Fica aberto por 24h! 
Relembrar os combinados sobre a assinatura da lista
Lista de presença
 https://forms.office.com/r/7tX9hzX2d6
CHECK-OUT
32
PRÓXIMA ESCALA
Slide de Transição
33
Aproveite os textos da biblioteca do tripulante e para voar mais alto e aprimore os conhecimentos no que foi falado na aula de hoje. ​
Ainda essa semana
PLANTÃO PEDAGÓGICO! Não se esqueça de comparecer a esse encontro. Lá, uma dupla de formadores estará à disposição para atender às suas dúvidas e necessidades de apoio pedagógico.
Leitura: Fundamentos da análise de dados educacionais.
Disponível na Biblioteca do Tripulante
PRÓXIMA ESCALA
34
 
 Avaliação Objetiva – UC3
Prazo Final: 26/05/2024 
CHECK-OUT
Relembrar os combinados sobre a assinatura da lista
Qual horário vamos passar?
35
Prazo: 26/05/2024 
A elaboração da atividade é feita em grupo e a postagem é individual;
Postar no Ulife;
Orientações no Strateegia;
Guardar o arquivo para portfólio;
Compareça ao plantão de dúvidas pedagógico para esclarecimentos, se necessário.
Atividade dissertativa
PRÓXIMA ESCALA
Link para o vídeo: https://www.youtube.com/watch?v=3g4ifVVf-RI
What Is Student Data? [O que são dados dos estudantes], produzido pela Data Quality Campaign e publicado em 07/07/15
Próxima semana
PRÓXIMA ESCALA
37
REFERÊNCIAS:
ELEUTÉRIO, M. A. M. Sistemas de informações gerenciais na atualidade. Curitiba: Intersaberes, 2015.
MIRANDA Filho, Dante Evangelista; da COSTA Filho, Custódio Genésio. Avaliação do nível de maturidade em gestão do conhecimento: estudo em uma universidade pública federal. E&G Economia e Gestão, Belo Horizonte, v. 23, n. 65, Maio/Set. 2023. Disponível em: https://periodicos.pucminas.br/index.php/economiaegestao/article/download/30165/21511/ Acesso em 12 de maio de 2024.
Open Knowledge Brasil. Análise de dados educacionais [recurso eletrônico]: aplicando evidências na gestão pública/Open Knowledge Brasil, Fundação Lemann, Interdisciplinaridade e Evidências no Debate Educacional (Iede). São Paulo: Open Knowledge Brasil, 2021. Disponível em: https://escoladedados.org/wp-content/uploads/2022/01/Ebook-DadosEducacionais.pdf Acesso em 23 de abril de 2024.
PRÓXIMA ESCALA
OBRIGADA PELA SUA PARTICIPAÇÃO!
Clique para editar os estilos de texto Mestres
Segundo nível
Terceiro nível
Quarto nível
Quinto nível
39
image29.emf
image30.emf
image31.emf
image33.emf
image34.emf
image35.emf
image32.emf
image42.png
image43.png
image36.png
image44.png
image37.png
image45.png
image46.png
image47.png
image48.png
image49.png
image50.jpeg
image51.png
image52.png
image53.png
image54.png
media1.mp4
image55.png
image56.jpeg
image57.emf
image38.png
image58.png
image59.png
image60.png
image39.png
image61.png
image62.png
image63.png
image64.png
image65.png
image66.png
image67.png
image40.png
image68.png
image69.png
image70.png
image71.png
image72.png
image73.png
image74.svg
 
image75.jpeg
image76.png
image28.emf
image1.emf
image3.emf
image2.emf
image4.emf
image5.png
image41.jpeg
image26.png
image27.emf