Um modelo de analítica acadêmica baseado na regulação geral de proteção de dados, na lei geral de proteção de dados pessoais e governança da informação

Abstract

A educação apresenta um papel de destaque no desenvolvimento sustentável de uma nação, contribuindo com o desenvolvimento do país como um todo. Nesse sentido, a modalidade de educação a distância alcança um número significativo de pessoas, desempenhando, assim, esse papel. A modalidade de educação a distância, traz consigo, a utilização de plataformas que coletam um significativo volume de dados e informações (armazenadas) em bancos de dados dos alunos, que podem ser analisados por educadores, pesquisadores e gestores e que dão origem a estudos nas temáticas de Análise de Aprendizado, Mineração de Dados Educacionais, Analítica Acadêmica e Governança da Informação. Mas, para operar com os dados de alunos nos anos atuais é preciso seguir atentamente a legislação vigente. Nessa direção, a União Europeia legislou sobre a proteção de dados pessoais através do Regulamento Geral sobre a Proteção de Dados, N° 679 de 2016. No Brasil é a Lei nº 13.709, Lei Geral de Proteção de Dados Pessoais de 2018, que teve seu efeito iniciado em agosto de 2020 que legisla sobre o tema. Considerando as restrições legais e regulatórias estabelecidas pelas legislações, bem como as possibilidades proporcionadas pela temática da Analítica Acadêmica, esta Tese de Doutorado tem como objetivo propor um modelo de Analítica Acadêmica baseado no Regulamento Geral sobre a Proteção de Dados Europeu, na Lei Geral de Proteção de Dados Pessoais Brasileira e na Governança da Informação, para ser aplicado em ambientes de Educação. Na pesquisa, foi empregado o método de design science research, o qual permite fundamentar e operacionalizar a pesquisa quando o objetivo refere-se a concepção de um modelo. Esta pesquisa possui natureza exploratória, e abordagem qualitativa. As técnicas de coleta de dados primários, envolveram a coleta bibliográfica, entrevista e análise documental. Quanto à técnica de análise de dados, foi utilizada a análise de conteúdo, com realização de entrevistas e categorização, conjuntamente com a análise bibliográfica e documental. Para a concepção do modelo, destaca-se a identificação de um conjunto de outros modelos que orientaram esta pesquisa, bem como a identificação de classes de problemas separadas em situações de riscos possíveis e soluções satisfatórias. Como resultado, foram identificados os elementos e treze (13) diretrizes que orientam o modelo de Analítica Acadêmica. Além disso, o modelo enfatiza a importância dos stakeholders e o papel integrador da Governança da Informação, promovendo a colaboração entre diferentes partes interessadas. O modelo desenvolvido passou por avaliação e validação por um Grupo Focal, concluindo-se que o mesmo, baseado no Regulamento Geral de Proteção de Dados, na Lei Geral de Proteção de Dados Pessoais e na Governança da Informação, é robusto e pode ser aplicado na gestão acadêmica das Instituições de Ensino Superior no Brasil. Essa contribuição é especialmente relevante para a área de Informática na Educação, fornecendo orientações abrangentes para todas as Instituições de Ensino Superior do país sobre o tratamento adequado dos dados dos alunos no ensino a distância.

Education plays a prominent role in the sustainable development of a nation, contributing to the overall development of the country. In this sense, the distance education modality reaches a significant number of people, thus fulfilling this role. Distance education involves the use of platforms that collect a significant volume of data and information stored in student databases. These can be analyzed by educators, researchers, and administrators, giving rise to studies in the fields of Learning Analytics, Educational Data Mining, Academic Analytics, and Information Governance. However, in order to operate student data in today's years, it is necessary to closely follow the current legislation. In this direction, the European Union has legislated on the protection of personal data through the General Data Protection Regulation, No. 679 of 2016. In Brazil, it is Law No. 13,709, the General Law on the Protection of Personal Data of 2018, which came into effect in August 2020 and that governs the subject. Considering the legal and regulatory restrictions established by the legislations, as well as the possibilities offered by the field of Academic Analytics, this Doctoral Thesis aims to propose a model of Academic Analytics based on the General Data Protection Regulation in Europe, the Brazilian General Law on the Protection of Personal Data and Information Governance, to be applied in educational environments. The research employed the method of design science research, which allows the foundation and operationalization of research when the objective is to conceive a model. This research has an exploratory nature and a qualitative approach. As for the data collection techniques it involved bibliographic research, interview, and documental analysis. For the design of the model, was highlighted the identification of a set of other models which guided this research, as well as the identification of problem classes separated into possible risk situations and satisfactory solutions. As a result, the elements and the 13 guidelines that guide the Academic Analytics model were identified. Additionally, the model emphasizes the importance of stakeholders and the integrative role of Information Governance, thus promoting collaboration among different stakeholders. The developed model underwent evaluation and validation by a Focus Group, concluding that it is robust model and can be applied in the academic administration of Higher Education Institutions in Brazil, based on the General Data Protection Regulation, the General Law on the Protection of Personal Data and the Information Governance. This contribution is particularly relevant to the field of Computer Science in Education, providing comprehensive guidelines for all Higher Education Institutions in the country regarding the appropriate treatment of student data in distance learning.