Repositório UNIFEI UNIFEI - Campus 1: Itajubá PPG - Programas de Pós Graduação Teses
Use este identificador para citar ou linkar para este item: https://repositorio.unifei.edu.br/jspui/handle/123456789/2436
Registro completo de metadados
Campo DCValorIdioma
dc.creatorGUIMARÃES, Leovani Marcial-
dc.date.issued2021-04-22-
dc.identifier.urihttps://repositorio.unifei.edu.br/jspui/handle/123456789/2436-
dc.description.abstractThe Brazilian National Curriculum Guidelines (DCN) of the Undergraduate Engineering Courses of 2019 presented new pedagogical demands, one of them being the application of Active Learning (AL). Scientific studies on AL applied to Engineering courses has grown significantly in recent years and its results uncovered challenges and opportunities for future research. Classroom observation instruments designed for AL environments have emerged and have supported research to objectively assess the behaviors and attitudes that characterize such environments. However, there was a lack of predictability for Engineering Higher Education Institutions (EHEIs) regarding learning gains when applying AL techniques within a challenging process of changing teaching practices. In this context, the objective of this thesis was to propose a predictive mathematical model that demonstrates the relationship between the students' degree of learning and the application or not of AL techniques in the classroom (measured by the level of activity captured by an observation protocol). To achieve this objective, a strict and systematic methodological process was established, using controlled experimental research in an EHEI over three years, in two dimensions of analysis. The first one, intraclass, used a repeated measures experimental design to demonstrate the probable causeeffect relationship in a two-level one-factor approach. In addition, it allowed a qualitative analysis of AA application in individual courses. The second, interclass, involved independent class samples in subsequent semesters and used Partial Least Squares Structural Equation Modeling to test and identify the best predictive model for learning based on the application of AL. The intraclass results demonstrated, in a positive cause-effect relationship, that the global average academic performance was 14% better in the post-AL assessment, compared to the first, without the application of AL techniques, representing 40% of the standard deviation of the grades. In addition, the individual analysis of performance in each of the courses revealed the most and least successful strategies and allowed to recommend those most viable AL strategies for specific groups of courses. In the interclass dimension, the improvement was 10% and the PLS-SEM predictive model was positively validated by several performance indexes, demonstrating a significant and non-linear positive relationship between the latent constructs, with a moderate to high relevance for learning prediction (𝑄2 > 0.344). In the demonstration of the predictive relevance, the best-fitting curve of the relationship allowed, from an average score between 0 and 35.97 in the level of AL adherence (NAA) to predict an average Learning score (AP) between 45.89 and 74.90 on the scale of performance degrees. β coefficients were positive and significant, with p values < 0.01. The systematic methodological design and the results obtained are intended to be the main contributions of this research to the literature and to the latent discussion of the effectiveness of active learning methods in Engineering Education.pt_BR
dc.description.sponsorshipAgência 1pt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal de Itajubápt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectAprendizagem ativapt_BR
dc.subjectEducação em engenhariapt_BR
dc.subjectProtocolos de observação em sala de aulapt_BR
dc.subjectModelagem de equações estruturaispt_BR
dc.subjectMínimos quadrados parciaispt_BR
dc.subjectPLS-SEMpt_BR
dc.titleModelo preditivo de aprendizagem ativa em engenharia baseado na modelagem de equações estruturais com mínimos quadrados parciais (PLS-SEM)pt_BR
dc.typeTesept_BR
dc.date.available2021-05-19-
dc.date.available2021-05-19T15:02:27Z-
dc.date.accessioned2021-05-19T15:02:27Z-
dc.creator.Latteshttp://lattes.cnpq.br/5307601621058255pt_BR
dc.contributor.advisor1LIMA, Renato da Silva-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/9161092505168234pt_BR
dc.description.resumoAs Diretrizes Curriculares Nacionais (DCN) dos Cursos de Graduação em Engenharia de 2019 apresentaram novas demandas pedagógicas, sendo uma delas a aplicação de Aprendizagem Ativa (AA). A pesquisa científica sobre AA aplicada aos cursos de Engenharia tem crescido de forma relevante nos últimos anos e seus resultados tem revelado desafios e oportunidades para novos estudos. Instrumentos de observação em sala de aula projetados para os ambientes de AA surgiram e têm apoiado pesquisas para avaliação dos comportamentos e atitudes que caracterizam tais ambientes. Entretanto, observou-se a falta de previsibilidade para as Instituições de Ensino Superior (IES) de Engenharia quanto aos ganhos de aprendizagem ao aplicar as técnicas ativas dentro de um processo desafiador de mudança de práticas de ensino. Neste contexto, o objetivo desta tese foi propor um modelo matemático preditivo que demonstrasse a relação entre a aprendizagem dos alunos (medido pelas suas notas) e a aplicação ou não das técnicas de AA em sala de aula (medido pelo nível de atividade capturado por um protocolo de observação). Para atingir esse objetivo, uma rígida sistemática metodológica foi estabelecida, utilizando-se de pesquisa experimental controlada em uma IES de Engenharia ao longo de três anos, em duas dimensões de análise. A primeira, intraclasse, utilizou um projeto de amostras pareadas para gerar as bases de observações e graus de desempenho e demonstrar a provável relação causa-efeito em dois níveis de um fator, além de permitir a avaliação qualitativa da abordagem de AA de cada disciplina. A segunda, interclasse, envolveu amostras independentes de turmas em semestres subsequentes e utilizou a Modelagem de Equações Estruturais por Mínimos Quadrados Parciais - PLS-SEM para testar e identificar o melhor modelo preditivo para a aprendizagem em função da aplicação da AA. Os resultados intraclasse demonstraram uma relação positiva de causa-efeito, onde o desempenho acadêmico médio global foi 14% melhor na avaliação pós AA, comparado com a primeira, sem a aplicação de técnicas de AA, representando 40% do desvio padrão das notas. Além disto, a análise individual do desempenho em cada uma das disciplinas revelou as estratégias de maior e menor sucesso e permitiu recomendar aquelas estratégias mais viáveis de AA para grupos específicos de disciplinas. Na dimensão interclasse, a melhoria foi de 10% e o modelo preditivo PLS-SEM foi validado positivamente por diversos índices de desempenho, demonstrando uma relação positiva significativa e não linear entre os constructos latentes, com capacidade entre moderada e alta de predição de alvos de aprendizagem (Q²>0,344), a partir dos níveis de AA. Na demonstração da relevância preditiva, a curva ajustada da relação permitiu, a partir de um escore médio entre 0 e 35,97 no nível de aderência AA (NAA) prever um escore médio de Aprendizagem (AP) entre 45,89 e 74,90, na escala de graus de desempenho. Os coeficientes β foram positivos e significativos, com valores p < 0,01. A sistemática metodológica e os resultados obtidos pretendem ser as principais contribuições desta pesquisa para a literatura e para a discussão latente da eficácia de métodos ativos de aprendizagem na Educação em Engenharia.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentIEPG - Instituto de Engenharia de Produção e Gestãopt_BR
dc.publisher.programPrograma de Pós-Graduação: Doutorado - Engenharia de Produçãopt_BR
dc.publisher.initialsUNIFEIpt_BR
dc.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA DE PRODUÇÃOpt_BR
dc.relation.referencesGUIMARÃES, Leovani Marcial. Modelo preditivo de aprendizagem ativa em engenharia baseado na modelagem de equações estruturais com mínimos quadrados parciais (PLS-SEM). 2021. 178 f. Tese (Doutorado em Engenharia de Produção) – Universidade Federal de Itajubá, Itajubá, 2021.pt_BR
Aparece nas coleções:Teses

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Tese_2021032.pdf3 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.