ATHENA: Um Modelo Computacional para Serviços Inteligentes na Educação a Distância usando Históricos de Contextos
DOI:
https://doi.org/10.5753/rbie.2026.5487Keywords:
Serviços inteligentes, Ambiente virtual de aprendizagem, Contexto, Histórico de Contexto, Educação a distânciaAbstract
A Educação a Distância (EaD) tem ganhado destaque na expansão e democratização do ensino superior, beneficiada pelas Novas Tecnologias da Informação e da Comunicação (NTIC) e por mudanças nos processos de ensino e aprendizagem. Contudo, a alta taxa de evasão nos cursos à distância é uma preocupação significativa, já que muitos alunos não concluem os cursos devido a diversos fatores. Essa evasão não se limita à EaD, mas também afeta o ensino presencial e semipresencial, em instituições públicas e privadas. Diante desse cenário, o artigo apresenta o Athena, um modelo computacional projetado para oferecer serviços inteligentes na EaD com base em históricos de contextos dos alunos. O Athena visa ajudar gestores e professores no planejamento estratégico e no acompanhamento do progresso acadêmico dos alunos. O modelo oferece serviços para prever o desempenho acadêmico dos alunos e para a formação de grupos de estudo. Esses serviços têm como objetivo melhorar o processo de aprendizagem, reduzir a taxa de reprovação e, consequentemente, diminuir a evasão. O Athena utiliza uma ontologia para representar o conhecimento em EaD e analisa os históricos de contextos dos alunos para personalizar os serviços oferecidos. Um protótipo foi testado com dados de 25 alunos de um curso de Tecnologia em Análise e Desenvolvimento de Sistemas. Os testes avaliaram dois serviços: o Forecasting, que antecipa o desempenho acadêmico, e o Grouping, que organiza grupos de estudo. Os resultados confirmam a viabilidade do modelo para suportar a criação e o uso de diferentes serviços inteligentes na EaD, baseados em históricos contextuais dos alunos.
Downloads
Referências
Allmendinger, G., Lombreglia, R. (2005). Four strategies for the age of smart services. Harvard Business Review. ISSN:00178012, 83(10), 131-145. [GS Search]
Almeida Maia, M. D. S. de, Silva, D. G. (2020). Práticas pedagógicas em ambientes virtuais de aprendizagem: usos e abusos. EmRede - Revista de Educação a Distância, [S.l.], 7(1), 81–95. https://doi.org/10.53628/emrede.v7i1.555
Almeida Neto, F. A. D. (2017). Um Framework para Criação de Serviços Inteligentes em Ambientes Flexíveis na Web. Universidade Federal do Amazonas (216 páginas). Disponível em: [GS Search]
Andrade, T. L. de; Rigo, S. J.; Barbosa, J. L. V. (2022). Active Methodology, Educational Data Mining and Learning Analytics: a systematic mapping study. Informatics in Education. 20 no. 2, 171-204, DOI: [GS Search]
Angeline, D. M. D., Ramasubramanian, P., James, I. S. P. (2020). The Discriminant Analysis Approach for Evaluating Effectiveness of Learning in an Instructor-Led Virtual Classroom. International Journal on Smart Sensing and Intelligent Systems, Sydney, 13(1), 1–15. DOI: [GS Search]
Anjos, R. A. V. (2015). Referencial Pedagógico Para Análise de Ambientes Virtuais de Aprendizagem. Disponível em: http://ri.ufmt.br/handle/1/74
Aranda, J.A.S., Bavaresco, R.S., de Carvalho, J.V. et al. A computational model for adaptive recording of vital signs through context histories. J Ambient Intell Human Comput 14, 16047–16061 (2023). [GS Search]
Bertiz, Y., Kocaman Karoglu, A. (2020). Distance Education Students Cognitive Flexibility Levels and Distance Education Motivations. International Journal of Research in Education and Science (IJRES), 6(4), 638-648. [GS Search]
Beverungen, D., Müller, O., Matzner, M. et al. (2019) Conceptualizing smart service systems. Electron Markets 29, 7–18. DOI: https://doi.org/10.1007/s12525-017-0270-5
Bezerra, C., Freitas, F., Santana da Silva, F. (2013). CQChecker: A Tool to Check the Satisfaction of Description Logic Competency Questions on Ontologies. Conference: X Encontro Nacional de Inteligência Artificial e Computacional (ENIAC). At: Fortaleza. Disponível em: [GS Search]
Campos, A., Hollerweger, L., Santos, G., Farias, A. F., Behar, P. A. (2017) Mapeamento de Soluções tecnológicas em Sistemas de Recomendação Educacionais em âmbito brasileiro. Informática na Educação: teoria & prática, Porto Alegre, 20(3), 79-96. [GS Search]
Chen, H., Yin, C., Li, R., Rong, W., Xiong, Z., David, B. (2020). "Enhanced learning resource recommendation based on online learning style model," in Tsinghua Science and Technology, vol. 25, no. 3, pp. 348-356, June 2020. DOI: [GS Search]
Chen, Y., Zheng, Q., Ji, S., Tian, F., Zhu, H., Liu, M. (2020). Identifying at-risk students based on the phased prediction model. Knowledge and Information Systems, 62, 987-1003. [GS Search]
Costa, M. A. B., Guedes, P. da S., & Guerra, R. S. (2021). Desafios da educação a distância on-line. Revista Ibero-Americana De Humanidades, Ciências e Educação, 7(9), 766–776. https://doi.org/10.51891/rease.v7i9.2279
Cummaudo, A., Vasa, R., Grundy, J., Abdelrazek, M., Cain, A. (2019). Losing Confidence in Quality: Unspoken Evolution of Computer Vision Services, 2019 IEEE International Conference on Software Maintenance and Evolution (ICSME), Cleveland, OH, USA, 333-342. [GS Search]
Dias, R. S. (2017) Caracterização do learning analytics na educação a distância. Anais do Seminário de Pesquisa e Inovação Tecnológica - SEPIT, [S. l.], 1(1). Disponível em: https://periodicos.iftm.edu.br/index.php/sepit/article/view/312
El Fouki, M., Aknin, N., El. KadirI, K. E. (2017). Intelligent Adapted eLearning System based on Deep Reinforcement Learning. In Proceedings of the 2nd International Conference on Computing and Wireless Communication Systems (ICCWCS’17). Association for Computing Machinery, New York, NY, USA, 85, 1–6. [GS Search]
Flach, L. (2022) Uso de algoritmos de machine learning para prever a evasão escolar no ensino superior: um estudo no Instituto Federal de Santa Catarina. Dissertação (mestrado profissional) - Universidade Federal de Santa Catarina, Centro Sócio-Econômico, Programa de Pós-Graduação em Administração Universitária, Florianópolis. https://repositorio.ufsc.br/bitstream/handle/123456789/238320/PPAU0264-D.pdf?sequence=-1
Filippetto, A. S.; Lima, R.; Barbosa, J. L. V. (2021). A risk prediction model for software project management based on similarity analysis of context histories. Information and Software Technology, v. 131, p. 106497, 2021. Issn: 0950-5849, DOI: [GS Search]
Freitas, F. A. da S., Vasconcelos, F. F. X., Peixoto, S. A., Hassan, M. M., Dewan, M. A. A., Albuquerque, V. H. C. de, Filho, P. P. R. (2020). IoT System for School Dropout Prediction Using Machine Learning Techniques Based on Socioeconomic Data. Electronics, 9(10):1613. [GS Search]
Garcia Martins, M.; Nesi, L.; Silva Pereira, P. R. D.; Barbosa, J. L. V. (2021). DELFOS: A Model for Multitemporal Analysis based on Contexts History, in IEEE Latin America Transactions, vol. 19, no. 9, pp. 1478-1485, Sept. 2021, DOI: [GS Search]
Hashim, A; Akeel, W. Khalaf, A. (2020). Student Performance Prediction Model based on Supervised Machine Learning Algorithms. IOP Conference Series: Materials Science and Engineering. 928:032019. [GS Search]
Heckler, W. F.; De Carvalho, J. V.; Barbosa, J. L. V. (2020). Machine learning for suicidal ideation identification: a systematic literature review. Computers in Human Behavior, v. 128, p. 107095, 2022. issn: 0747-5632. DOI: https://doi.org/10.1016/j.chb.2021.107095
Heckler, W. F.; De Carvalho, J. V.; Barbosa, J. L. V. (2020). Machine learning for suicidal ideation identification: a systematic literature review. Computers in Human Behavior, v. 128, p. 107095, 2022. issn: 0747-5632. DOI: [GS Search]
Heckler, W. F; Feijó, L.P.; Carvalho, J. C.; Barbosa, L. J. V. (2023). Thoth: An intelligent model for assisting individuals with suicidal ideation, Expert Systems with Applications, Volume 233, 120918, ISSN 0957-4174, DOI: [GS Search]
Kim, W., Kim, J. (2020). Individualized AI Tutor Based on Developmental Learning Networks, in IEEE Access, 8, 27927-27937. [GS Search]
Koldewey, C., Gausemeier, J., Dumitrescu, R., Evers, H.H., Frank, M., Reinhold, J. (2021). Development Process for Smart Service Strategies: Grasping the Potentials of Digitalization for Servitization. In: Schallmo, D.R.A., Tidd, J. (eds) Digitalization. Management for Professionals. Springer, Cham. [GS Search]
Koldewey, C., Meyer, M., Stockbrügger, P., Dumitrescu, R., Gausemeier, J. (2020). Framework and Functionality Patterns for Smart Service Innovation, Procedia CIRP, ISSN 2212-8271, 91, 851-857. [GS Search]
Larentis A. V. Salus: um modelo para assistência educacional ubíqua em doenças crônicas não transmissíveis. Tese. Universidade do Vale do Rio dos Sinos – UNISINOS. São Leopoldo, Rs. 2022. https://repositorio.jesuita.org.br/
Larentis, A. V.; Neto, E. G. D. A.; Barbosa, J. L. V.; Barbosa, D. N. F.; Leithardt, V. R. Q.; Correia, S. D. (2021). Ontology-Based Reasoning for Educational Assistance in Noncommunicable Chronic Diseases. Computers 2021, 10, 128. DOI: [GS Search]
Lima, R.; Filippetto, A. S.; Heckler, W.; Barbosa, J. L. V.; Leithardt, V. R. Q. (2022). Towards ubiquitous requirements engineering through recommendations based on context histories. PeerJ Computer Science 8: e794. DOI: [GS Search]
Machado, S. D.; Tavares, J. E. D. R.; Martins, M. G.; Barbosa, J. L. V.; González, G. V.; Leithardt, V. R. Q. (2021). Ambient Intelligence Based on IoT for Assisting People with Alzheimer’s Disease Through Context Histories. Electronics 2021, 10, 1260. DOI: https://doi.org/10.3390/electronics10111260
Martini, B. G.; Helfer, G. A.; Barbosa, J. L. V.; Espinosa Modolo, R. C.; Silva, M. R. Figueiredo, R. M. De; Mendes, A. S.; Silva, L. A.; Leithardt, V. R. Q. (2021.) Indoorplant: A model for inteligente services in indoor agriculture based on context histories. Sensors (Basel, Switzerland) 21(5):1631, DOI: https://doi.org/10.3390/s21051631
Noy, N. & Mcguinness, D. (2001). Ontology Development 101: A Guide to Creating Your First Ontology. Knowledge Systems Laboratory. 32. [GS Search]
Rodrigues, F. C.; Filippetto, A. S.; Lima, R. K. D.; Heckler, W. F.; Barbosa, J. L. V. (2022). Kairós: using context histories for predictions and recommendations in projects time management. International Journal of Agile Systems and Management (IJASM), Vol. 15, No. 1, 2022. DOI: https://doi.org/10.1504/IJASM.2022.124168
Vielitz, F. L.; Martins, M. G.; Barbosa, J. L. V.; Oliveira, K. F. De; Dias, L. P. S.; Wolf, A. (2019). CMFRAME: a Framework for Managing Dynamic and Hierarchical Context Histories, 2019 XLV Latin American Computing Conference (CLEI), Panama, Panama, 2019, pp. 1-8, DOI: https://doi.org/10.1109/CLEI47609.2019.235107
Web Protégé. Disponível em: https://protege.stanford.edu/
Wiedemann, T.; Barbosa, J.; Matter, V.; Gonçales, L.; Nesi, L.; Farias, K.; Rigo, S. SIMCOP: (2021). SIMCOP: a framework for similarity analysis of context histories. International Journal of Business Information Systems, v. 1, p. 1-29, 2021. DOI: https://doi.org/10.1504/IJBIS.2020.10036955
Zaoudi, M., Belhadaoui, H. (2020) Adaptive e-learning: Adaptation of content according to the continuous evolution of the learner during his training. In: Proceedings of the 3rd International Conference on Networking, Information Systems and Security, Association for Computing Machinery, New York, NY, USA, NISS2020. https://doi.org/10.1145/3386723.3387890
Arquivos adicionais
Published
Como Citar
Issue
Section
Licença
Copyright (c) 2026 Lidia Martins da Silva, Andrêsa Vargas Larentis, Sandro José Rigo , Jorge Luis Victória Barbosa
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
