Indicadores Afetivos

O Mapa Afetivo [1] gera gráficos para o professor com informações sobre o estado de ânimo de cada aluno ao interagir no AVA ROODA (Figura 1). A ferramenta implementa a Roda dos Estados Afetivos (Figura 2) dividida em quatro quadrantes que representam os estados de ânimo positivos, definidos por ser/estar satisfeito e animado e os negativos por ser/estar insatisfeito e desanimado.

Assim, o Mapa Afetivo apresenta ao professor em qual quadrante e subquadrante o estudante se encontra semanalmente. Os quadrantes representam os estados de ânimo e os subquandrantes, as famílias de emoções associadas a cada estado de ânimo. Os quadrantes são representados por cores, que identificam o estado de ânimo; já os subquadrantes são representados por tonalidades que especificam a família emocional do estado de ânimo.

As cores foram definidas com base nos estudos de Scherer [2]: os tons amarelos do primeiro quadrante e os tons esverdeados do quarto representam as emoções positivas associadas aos estados de ânimo satisfeito e animado, respetivamente; os tons avermelhados do segundo quadrante e os tons azulados do terceiro representam as emoções negativas associadas aos estados de ânimo insatisfeito e desanimado, respetivamente.

A ferramenta utiliza três variáveis para inferir o estado de ânimo do aluno: traços de personalidade, subjetividade afetiva em textos e fatores motivacionais. Os traços de personalidade são obtidos por meio da aplicação do inventário Big Five (IPIP-NEO) disponibilizado na plataforma Personalitatem [3]. A subjetividade afetiva é inferida a partir da presença de palavras de cunho afetivo encontradas nas mensagens disponibilizadas nas ferramentas de comunicação do AVA ROODA. Os níveis dos fatores motivacionais, tais como a confiança, o esforço e a independência são calculados a partir dos padrões comportamentais e observáveis do aluno no AVA. Assim, essas três variáveis independentes (traços de personalidade, subjetividade afetiva e fatores motivacionais) compõem o modelo afetivo do aluno. Salienta-se que esta representação lida com conhecimento probabilístico em contextos caracterizados por incertezas.