Resumo: Para que o uso de tecnologias digitais no contexto educacional ocorra de forma eficiente, é importante compreender como medir e analisar a relação do estudante com as ferramentas utilizadas. Dentre suas possibilidades estão os laboratórios remotos, ferramentas que proporcionam a manipulação de experimentos reais por meio de uma plataforma online, disponível de forma ininterrupta, superando questões de tempo e espaço. Para analisar a enorme quantidade de dados gerados durante as interações, são necessárias aplicações de técnicas capazes de analisar e extrair informações dos dados gerados a partir de interações com tecnologias, possibilitando intervenções de aprendizagem. A técnica chamada Learning Analytics (LA) é baseada na medição, coleta, análise e relatório de dados dos estudantes durante as práticas. LA combina técnicas de mineração de dados para extrair informações e intervenção pedagógica. Este trabalho descreve o desenvolvimento de um framework de mineração de dados educacionais baseado em intervenções de Learning Analytics denominado LEDA (Laboratory Experimentation Data Analysis). O framework LEDA visa extrair informações de dados de interação com laboratórios remotos para relacionar o comportamento de interação do aluno com o seu progresso de aprendizagem. Esta abordagem aplicará técnicas de agrupamento e regras de associação, utilizando dados incluindo componentes controlados, tempo de atividade, entre outros. A aplicação de técnicas de agrupamento possibilita organizar comportamentos semelhantes de experimentação e notar o desempenho em determinada atividade. Já aplicando regras de associação, permite-se o levantamento de condições e relacionamentos entre ações e resultados. A partir do LEDA são extraídas informações relacionadas as competências desenvolvidas ou requeridas durante a realização de cada experimento, informando sobre o comportamento do estudante e seu engajamento durante a experimentação, de forma a maximizar o aprendizado Ver menos

Abstract: To support digital technology applications in an educational context, it is important to understand the relationships between learners and the tool they use during practice. Among these are remote laboratories, tools that provide the manipulation of real experiments through an online platform, available 24/7. That way, remote laboratories overcome restrictions of time and space. To extract information of the large amount of data generated during interactions, it is necessary to use technology-supported representations, to apply techniques capable of analyzing and extracting information from data generated from interactions with technologies, enabling learning interventions. A technique called Learning Analytics is based on measuring, collecting, analyzing, and reporting student data during practice. Learning Analytics combines data mining techniques to extract information and pedagogical intervention. This work describes the development of a data mining framework for educational interventions based on Learning Analytics called LEDA (Laboratory Experimentation Data Analysis). The LEDA framework aims to extract information from interaction data with remote laboratories to relate student interaction behavior to their learning progress. This approach will apply clustering techniques and association rules, using data that includes controlled components, activity time, and more. The application of clustering techniques allows for the organization of similar experimental behaviors and the assessment of performance in a given activity. By applying association rules, conditions and relationships between actions and outcomes can be identified. Information related to the competencies developed or required during each experiment is extracted from LEDA, providing insights into student behavior and engagement during experimentation, with the goal of maximizing learning Ver menos