Modelos de aprendizagem de máquinas e teoria de grafos em dados de Espectroscopia Funcional no Infravermelho Próximo aplicados a educação de STEM
Este trabalho apresenta o uso da técnica de espectroscopia funcional de infravermelho próximo (fNIRS) para pesquisa educacional. A técnica de fNIRS permite o estudo de aspectos cognitivos envolvidos na aprendizagem e a identificação de padrões na atividade cerebral. O estudo propõe novos métodos para analisar dados do ensino de STEM (Ciência, Tecnologia, Engenharias e Matemática) em diferentes estágios da educação: educação infantil, ensino básico e educação superior. Para isso, foram utilizados métodos de aprendizado de máquinas (Floresta Aleatória e Regressão Logística com LASSO) para prever o desempenho dos alunos de ensino superior em aula virutal e também foram utilizadas medidas de teoria dos grafos para estudar as interações entre professores e alunos de educação básica e infantil. Dentre os resultados obtidos, foi observado que possível detectar níveis de engajamento de alunos em tarefas bem como distinguir métodos de ensino expositivo e interativo na interação de alunos com professor. Esses resultados permitem afirmar a necessidade de metodologias mais ativas para aprendizagem e avaliar a importância da interação professor e aluno.