Agentes conversacionais têm sido usados para fornecer suporte à Educação a Distância. Estes podem sugerir interações entre estudantes em Ambiente Virtual de Aprendizagem (AVA), contribuindo à aprendizagem colaborativa, um aspecto importante para melhorar o ensino-aprendizagem on-line. Esta revisão sistemática de literatura pretende responder questões relacionadas a tais agentes, aprendizagem colaborativa e Análise Conversacional (AC). Os resultados indicaram que a área é promissora, apontando para aplicações da Inteligência Artificial na Educação, como uma estratégia de AC para identificar a colaboração em AVA e possibilidades de intervenção do chatbot em prol da aprendizagem colaborativa.
Na Rede Federal de Educação Profissional, Científica e Tecnológica (RFEPCT) há 661 campi em funcionamento, oferecendo cursos de Educação Profissional e Tecnológica (EPT), cujas informações estão difusas nos sites das mais de sessenta instituições de ensino da RFEPCT. A engenharia de ontologia permite produzir uma estrutura eficaz para a publicação de dados abertos conectados a fim de contribuir para a disponibilidade, qualidade e confiabilidade dos dados acerca de tais cursos. Como resultado, são propostos uma ontologia para catalogar cursos de EPT ofertados na RFEPCT e um chatbot para facilitar o acesso a tais informações em ambiente web.
Ambientes Virtuais de Aprendizagem têm sido usados para apoiar a aprendizagem colaborativa, mas determinar a colaboração entre estudantes para incentivar continuamente a aprendizagem permanece sendo uma questão desafiadora. Como a análise conversacional pode fornecer um diagnóstico do nível de colaboração entre estudantes, este artigo apresenta três índices para mensurar as interações, perguntas e tópicos relevantes nas suas conversas. Com base nesses índices, são sugeridas recomendações para estudantes e professores a fim de melhorar a colaboração. Experimentos usando fóruns de discussão do Moodle foram realizados como prova de conceito, nos quais os participantes avaliaram as recomendações, indicando que os resultados são promissores.
A Análise Conversacional (AC) permite identificar o nível de colaboração entre estudantes em fóruns de discussão de Ambientes Virtuais de Aprendizagem (AVAs), resultando em índices para avaliar a colaboração e a partir desses realizar recomendações visando promover continuamente a aprendizagem colaborativa. Tendo um conjunto de dados com esses índices é possível usar o aprendizado de máquina para agrupar os estudantes e assim especializar as recomendações de acordo com as suas similaridades. Neste artigo é proposta a aplicação de aprendizado de máquina não supervisionado em índices resultantes da AC, a fim de refinar e validar uma estratégia de recomendação que promova a colaboração em fóruns de discussão de AVAs.