A presente pesquisa discorre sobre temas como a educação e teorias educacionais para tratar de problemas encontrados em instituições de Educação a Distância, com especial foco nos altos índices de evasão de alunos encontrados nessa modalidade de ensino. A partir desta problemática, é possível, através de padrões no uso do Ambiente Virtual de Aprendizagem (AVA), identificar previamente os problemas relacionados à evasão e propor diagnósticos prévios. Para a identificação destes padrões, é utilizado como ferramenta, a Mineração de Dados em Logs de Usuário e as Árvores de Decisão para a predição comportamental. O trabalho segue a linha da descoberta do conhecimento em base de dados e utiliza da ferramenta Weka (software de mineração de dados livre), em específico o algoritmo J48, para este fim. Uma pesquisa de campo foi realizada através de uma entrevista com um profissional de Educação a Distância para identificar os principais indícios de evasão em cursos a distância e os diagnósticos e métodos utilizados. A partir dos atributos identificados no uso do sistema, um protótipo foi concebido visando identificar, a partir dos registros de logs registrados em banco de dados, a informação prévia dos alunos, que por ventura, possam vir a desistir do curso. Este trabalho é direcionado principalmente aos profissionais da área de tecnologia da informação e pesquisadores de educação que queiram propor soluções em tecnologia para as instituições que oferecem graduação através de Educação a Distância.
 Ocultar Resumo