Formação de grupos para trabalhos acadêmicos: uma abordagem baseada em mineração de dados educacionais

Abstract

Este artigo apresenta uma prova de conceito de uma ferramenta automatizada para auxiliar professores na formação de grupos de trabalho em cursos de graduação em Tecnologia da Informação (TI). Baseada nos princípios do Team-Based Learning, que enfatizam a importância de equipes adequadamente estruturadas para uma aprendizagem colaborativa efetiva, a abordagem proposta utiliza técnicas de mineração de dados e algoritmos de agrupamento para analisar perfis de estudantes e formar grupos. Utilizando dados coletados de alunos de TI através de questionários, desenvolveu-se uma metodologia que considera estilos de aprendizagem (baseados no modelo de Felder-Silverman), preferências de trabalho e papéis em equipe. A ferramenta processa essas informações usando algoritmos de agrupamento com restrições para formar grupos equilibrados de 3 a 5 alunos. A análise demonstra a capacidade da ferramenta em criar grupos que equilibram características individuais, potencialmente melhorando os resultados da aprendizagem colaborativa na educação em TI através da formação estruturada de equipes.

This paper presents a proof of concept for an automated tool designed to assist professors in forming student work groups in Information Technology (IT) undergraduate courses. Based on Team-Based Learning principles, which emphasize the importance of properly structured teams for effective collaborative learning, the proposed approach leverages data mining and clustering techniques to analyze student profiles and optimize group formation. Using data collected from IT students through questionnaires, we developed a clusteringbased methodology that considers learning styles (based on Felder-Silverman’s model), work preferences, and team roles. The tool processes this information using constrained clustering algorithms to form balanced groups of 3-5 students. The analysis demonstrates the tool’s capability to create groups that balance individual characteristics, potentially improving collaborative learning outcomes in IT education through structured team formation.