1. Objetivos
1.1. Mentoring
1.2. Monitoring
1.3. Analysis
1.4. Prediction
1.5. Assessmaent
1.6. Feedback
1.7. Personalization
1.8. Recomendation
2. Contexto
2.1. Crescimento das TICS na educação:
2.1.1. Big Data
2.1.1.1. Vantagens
2.1.1.1.1. uso da totalidade dos dados em detrimento de uma amostra
2.1.1.1.2. maior volume permite lidar com incertezas e menor qualidade
2.1.1.1.3. conhecimento mais profundo do sistema
2.1.1.2. Barreiras
2.1.1.2.1. complexidade: equipes interdisciplinares
2.1.1.2.2. processamento: processadores eficientes
2.1.1.2.3. dados: bases repletas de erros e inconsistências
2.1.1.2.4. Dificuldades em encontrar especialistas
2.1.1.2.5. Interoperabilidade: acesso e integração de fontes
2.1.1.3. Desafios
2.1.1.3.1. armazenamento
2.1.1.3.2. tempo e recursos para análises
2.1.1.3.3. reporting: muitos dados
2.1.1.3.4. Difícil interpretação
2.1.1.4. Fontes de dados
2.1.1.4.1. Comunidades de aprendizagem
2.1.1.4.2. Telefones celulares
2.1.1.4.3. Sistemas de acesso remoto
2.1.1.4.4. Plataformas educacionais
3. Desafios
3.1. Privacidade e segurança dos estudantes
3.2. Data-driven decision (capacity e integração de sistemas)
3.3. Políticas públicas baseadas em evidências
3.4. Desenvolvedores e pesquisadores na Indústria e Academia
4. Aplicações
4.1. Learning Analytics: learning outcomes
4.1.1. Currículo e conteúdo
4.1.1.1. Intelligent feedback
4.1.1.2. Course recommendation
4.1.1.3. Grouping and collaboration
4.1.1.4. Concept maps
4.1.1.5. Constructing courseware
4.1.1.6. Planning scheduling
4.1.2. Learners and their contexts
4.1.2.1. Performance prediction
4.1.2.2. Attrition risk (drop out)
4.1.2.3. Student skill estimation
4.1.2.4. Behaviour detection
4.1.2.5. Social network analysis
4.2. Academics Analytics: focus on decision making /procedures / management
4.2.1. intersection of technology, information, managment culturem application of information to manage academic enterprise
4.2.1.1. Hypothesis-driven
5. Técnicas
5.1. Data Mining
5.1.1. Predição
5.1.2. Agrupamento
5.1.3. Classificação
5.1.4. Association analyisis
5.1.5. Data visualization