Contribuição na Avaliação Quali-quantitativa do Desempenho em Curso de Graduação

Content Provider	Semantic Scholar
Author	Rimes, Ighor Opiliar Mendes Lanzilloti, Regina Serrão
Copyright Year	2015
Abstract	Ha um interesse crescente em se saber como se desenvolve o avaliar dos alunos, embora muitos reconhecam que apenas provas nao sejam suficientes. Realizam-se novas perspectivas para tentar compreender se o aluno obteve conteudo suficiente para prosseguir [4] e a contribuicao para o tema teve um grande fortalecimento no modelo avaliativo qualitativo [5]. De acordo com Haydt [1], avaliar e atribuir um julgamento com base em uma escala qualiquantitativa tendo criterios previamente estabelecidos, proposta que se acredita aceitavel pela comunidade academica, principalmente nas areas humanas. Sera que nao se poderia criar um modelo diferenciado no avaliar o aprendizado sobre essa perspectiva? As respostas poderiam estar embasadas na Logica Fuzzy (LF) [2], modelagem que propicia um metodo mais justo de avaliacao para alunos que venham a ter dificuldade, sobretudo na area tecnologica, embora mostre assiduidade tanto nas aulas quanto na monitoria. Este artigo apresenta resultados da disciplina Estatistica em um curso de Geografia. A LF e uma opcao a modelar a avaliacao com mais liberdade neste tipo de processo pedagogico, pois mapeia subjetividade, ambiguidade, incerteza e imprecisao. Esta proposta objetiva trabalhar com a LF sob o principio de extensao para obter os valores de pertinencia sob o enfoque interativo da Analise de Componentes Principais (ACP) [3]. As quatro variaveis de entrada do sistema, expressos em valores padronizados corresponderam a primeira prova, trabalho em equipe, segunda prova e a frequencia. A ACP facilitou obter as pertinencias da Logica Fuzzy, pois reduziu a dimensao de quatro para duas componentes. O julgamento dos trabalhos dos alunos e realizado tanto pelo professor quanto pelo monitor, sendo que os comentarios sao contribuicoes que objetivam corrigir falhas sem melindrar os expositores. Esta forma de julgar torna-se um agente facilitador na interacao professor, monitoria e discente. A aplicacao da ACP mostrou que duas componentes ja expressavam 83,67% da variabilidade deste sistema avaliativo. No fator 1 as variaveis que mais contribuiram foram as nota 1 e nota 2 enquanto no fator 2 foi o trabalho e a presenca. Os valores obtidos para estas componentes permitiram obter os percentis da Curva Normal Padrao (CNP) que integraram a Maquina de Inferencia Fuzzy (MIF). Nesta maquina, obtiveram-se seis regras. Exemplificando, se um aluno obteve rendimento ate o percentil 50 para as duas componentes, julga-se que devera ser reprovado. As demais regras se tornam autoexplicativas na MIF [...]
File Format	PDF HTM / HTML
DOI	10.5540/03.2015.003.01.0326
Volume Number	3
Alternate Webpage(s)	https://proceedings.sbmac.org.br/sbmac/article/download/812/818
Alternate Webpage(s)	https://doi.org/10.5540/03.2015.003.01.0326
Language	English
Access Restriction	Open
Content Type	Text
Resource Type	Article