Análise do comportamento do usuário com base em dados de PANORAMA

A nossa equipa multidisciplinar trabalha para produzir e implementar as melhores soluções de e-learning, adaptadas às necessidades específicas de cada organização.

Entre os serviços que oferecemos, um muito importante é Relatórios de uso e classificação, que permite analisar o desempenho de cada curso e de cada usuário/aluno com um relatório detalhado. Se considera dados, a informações armazenadas em algum formato digital que posteriormente podem ser utilizadas como base para análise e tomada de decisão. Esta informação é coletar, organizar e analisar investigar várias questões: a análise de dados é um processo que consiste em inspecioná-los e transformá-los, com o objetivo de evidenciar informações úteis para sugerir conclusões e subsidiar a tomada de decisões. Assim que isso acontecer e tivermos os relatórios prontos, estaremos em condições de prever situações futuras.

Para abordar esse espectro diversificado de análise, en Aulasneo nós desenvolvemos PANORAMA: um motor de análise flexível que pode ser facilmente personalizado e adaptado às necessidades específicas de cada organização que oferece cursos online através Open edX ™.

PANORAMA é um motor de análise que permite às organizações que utilizam Open edX ™ para oferecer cursos online

Qual é a importância dos dados extraídos de PANORAMA?

Como primeiro caso particular, consideremos análise do comportamento do usuário de vídeo com base nos dados obtidos. Temos várias abordagens possíveis, por exemplo analisando os dados por vídeo ou por usuário/aluno. Em relação à análise de acordo com o vídeo, podem surgir as seguintes questões:

Quantas vezes um vídeo foi visto?

quantas vezes foi esquecido? (ou seja: quando um aluno se matricula em um determinado curso, espera-se que ele veja determinados vídeos que fazem parte dele, e extraindo os dados podemos saber se o aluno realmente viu o vídeo ou não)

que parte do vídeo foi visto?

quantas vezes foi rebobinado?

e avançar?

em que parte(s)?

Quanto tempo demorou, desde o primeiro “play”, para terminar de assistir?

daqui, podemos tentar descobrir algum padrão de comportamento: Os vídeos mais esquecidos são os mais longos? E os que foram mais rebobinados? São da mesma turma? E os que foram mais vistos?

Dependendo do usuário, podemos medir principalmente o desempenho: quantos vídeos você perdeu? Quantos você começou a assistir e não terminou? Você teve que rebobiná-los muitas vezes? Quantas horas no total ele passou assistindo a vídeos?

A partir daqui, podemos começar a combinar os resultados para gerar novos:

quem/qual foi o aluno/vídeo mais ativo, quanta diferença houve com o menos ativo, se pertencem ao mesmo curso, e mil etc.

Como segundo caso particular, consideremos o análise do comportamento do usuário ao responder perguntas e fazer exercícios. Da mesma forma, podemos nos perguntar:

quantas vezes uma pergunta foi respondida corretamente,

quantos incorretamente e quantos alunos responderam incorretamente (lembre-se que um aluno pode ter respondido incorretamente várias vezes na mesma pergunta),

quantos foram esquecidos,

Qual foi a pergunta que foi respondida mais vezes corretamente?

qual foi o aluno que acertou mais vezes... e mil etc.

As perguntas que podemos nos fazer são infinitas., mas a importância da análise de dados não está apenas em fazer várias boas perguntas que nos permitem obter informações relevantes, mas principalmente no depois: como usamos essas informações para melhorar o processo de aprendizagem para todos

julia zack
Analista de DevOps

aulasneo