Skip to content

Full case narrative available in Portuguese.

DataLearningResearch2025

Learning Analytics: onde a trilha perde o estudante

Da base bruta à recomendação de intervenção

Demo content
Role
Análise de dados e interpretação
Context
Estudo de análise — conteúdo ilustrativo durante o desenvolvimento
Summary
Análise exploratória de dados de uma trilha de aprendizagem para localizar os pontos de queda de conclusão e transformar o padrão em recomendação de redesign.
Folhas impressas com gráficos e tabelas de análise sobre superfície clara

Pergunta

Uma trilha de aprendizagem com boa taxa de início e baixa taxa de conclusão levanta a pergunta operacional: em qual etapa a queda acontece e o que ela tem em comum?

Dados e limpeza

  • Registros de progresso por módulo, exportados da plataforma de aprendizagem.
  • Remoção de sessões duplicadas e de contas de teste.
  • Normalização de datas e de identificadores de módulo.
  • Tratamento de progresso parcial registrado como ausente.

Do dado bruto à recomendação

  1. 01

    Pergunta e fonte

    Localizar em qual etapa a conclusão cai usando registros de progresso exportados da plataforma.

  2. 02

    Limpeza

    Remover duplicidades e contas de teste, normalizar datas e identificadores e tratar progresso parcial.

  3. 03

    Exploração e análise

    Comparar a progressão entre módulos e observar onde a atividade muda de consumo para produção.

  4. 04

    Insight e recomendação

    Tratar a queda como um degrau localizado de dificuldade e propor uma atividade intermediária a ser testada.

Exploração[ Evidência ]
Início de trilha

Valores reais dependem da base do caso.

Conclusão de trilha

Publicado apenas com dados verificados.

Módulo de maior queda

Identificado pela curva de progressão.

Análise

O padrão relevante em trilhas costuma não ser uma queda distribuída, e sim uma concentração em um módulo específico — normalmente o primeiro que exige produção em vez de consumo de conteúdo.

Separar consumo de produção na análise muda a interpretação: o problema deixa de ser motivação genérica e passa a ser um degrau de dificuldade localizado.

Recomendação

  • Reduzir o degrau do módulo crítico com uma atividade intermediária.
  • Antecipar um retorno perceptível de aprendizagem antes desse ponto.
  • Acompanhar conclusão por módulo como métrica contínua, não só a taxa final.

Limitações

  • Dados de plataforma descrevem comportamento registrado, não aprendizagem.
  • Sem grupo de comparação, a recomendação é hipótese a ser testada.

Methods

  • Análise exploratória
  • Limpeza de dados
  • Estatística descritiva
  • Visualização

Tools

  • Excel
  • Power BI
  • SQL
  • Python