Logo do repositório
 
Publicação

A inferência e aprendizagem automática causal na ciência de dados educativos: uma revisão da literatura

datacite.subject.sdg04:Educação de Qualidade
dc.contributor.authorLopes, Nuno de Castro
dc.date.accessioned2026-05-26T14:49:55Z
dc.date.available2026-05-26T14:49:55Z
dc.date.issued2026
dc.description.abstractA Ciência de Dados Educativos procura obter conhecimento e prever eventos futuros com base em dados educativos. No entanto, muitas análises ainda se limitam à descrição e previsão, sem identificar as causas subjacentes. Este artigo integra duas revisões da literatura: uma narrativa sobre métodos clássicos de inferência causal (Propensity Score Matching, Regressão Descontínua, Diferença-em-Diferenças e Controlo Sintético) e uma revisão de revisões sobre técnicas de Aprendizagem Automática Causal (CML), como a Transformação de Resultados, os Meta-learners e os algoritmos Causal Tree e Causal Forest. A análise evidencia o potencial destas metodologias para avaliar o impacto real das intervenções pedagógicas e personalizar o ensino a distância e e-learning, destacando a necessidade de maior formação técnica e literacia causal entre investigadores e analistas.por
dc.description.abstractEducational Data Science seeks to gain knowledge and predict future events based on educational data. However, many analyses are still limited to description and prediction, without identifying the underlying causes. This article integrates two literature reviews: a narrative on classical causal inference methods (Propensity Score Matching, Regression Discontinuity, Difference-in-Differences, and Synthetic Control) and a review of reviews on Causal Machine Learning (CML) techniques, such as Outcome Transformation, Meta-learners, and Causal Tree and Causal Forest algorithms. The analysis highlights the potential of these methodologies to assess the real impact of pedagogical interventions and personalize distance learning and e-learning, emphasizing the need for greater technical training and causal literacy among researchers and analysts.eng
dc.identifier.citationLopes, N. (2026). A Inferência e Aprendizagem Automática Causal na Ciência de Dados Educativos: Uma Revisão da Literatura. RE@D - Revista De Educação a Distância E Elearning, 9(1), e202605. https://doi.org/10.34627/redvol9iss1e202605
dc.identifier.doi10.34627/redvol9iss1e202605
dc.identifier.issn2182-4967
dc.identifier.urihttp://hdl.handle.net/10400.2/22074
dc.language.isopor
dc.peerreviewedyes
dc.publisherUniversidade Aberta. LE@D
dc.relation.hasversionhttps://revistas.rcaap.pt/lead_read/article/view/44016
dc.rights.urihttp://creativecommons.org/licenses/by-nc/4.0/
dc.subjectCiência de dados educativos
dc.subjectAnálise de aprendizagem
dc.subjectInferência causal
dc.subjectAprendizagem automática causal
dc.subjectHeterogeneidade dos efeitos do tratamento
dc.subjectEducation data science
dc.subjectLearning analytics
dc.subjectCausal inference
dc.subjectCausal machine learning
dc.subjectTreatment effects heterogenety
dc.titleA inferência e aprendizagem automática causal na ciência de dados educativos: uma revisão da literaturapor
dc.title.alternativeInference and causal machine learning in educational data science: a literature revieweng
dc.typejournal article
dspace.entity.typePublication
oaire.citation.issue1
oaire.citation.titleRE@D - Revista de Educação a Distância e Elearning
oaire.citation.volume9
oaire.versionhttp://purl.org/coar/version/c_970fb48d4fbd8a85
person.familyNameLopes
person.givenNameNuno de Castro
person.identifier.ciencia-idB112-F774-8391
person.identifier.orcid0000-0003-2448-9798
relation.isAuthorOfPublication0c8fcd8a-2488-47d5-86ce-c3dc60cf0505
relation.isAuthorOfPublication.latestForDiscovery0c8fcd8a-2488-47d5-86ce-c3dc60cf0505

Ficheiros

Principais
A mostrar 1 - 1 de 1
A carregar...
Miniatura
Nome:
44016_edição_Nuno Castro Lopes.pdf
Tamanho:
1.08 MB
Formato:
Adobe Portable Document Format
Licença
A mostrar 1 - 1 de 1
Miniatura indisponível
Nome:
license.txt
Tamanho:
8 B
Formato:
Item-specific license agreed upon to submission
Descrição: