Este artigo propõe um modelo de Sistema de Recomendação Educacional baseado na predição de reprovação de aprendizes em disciplinas de Educação a Distância. Propõe-se o RECD, um modelo de Sistema de Recomendação Educacional para coordenadores de curso e professores, que recebe de um algum sistema de predição, dentre eles o MD-PREAD, dados estatísticos quanto à possibilidade de reprovação de aprendizes em uma disciplina e, com base nesses dados, recomenda ao público-alvo que atue na redu-ção do número de aprendizes que podem reprovar. Usamos classificação de perfis de usuários e sensibilidade a contextos para oferecer aos aprendizes a oportunidade de não reprovar em uma disciplina, ou então de melhorar o seu coeficiente de rendimento, para reduzir o tempo matriculado no curso e acelerar sua certificação, mediante intervenções pedagógicas. Um protótipo foi elaborado para experimento no Instituto Federal de Educação, Ciência e Tecnologia do Amazonas, no programa Universidade Aberta do Brasil, curso de Filosofia da educação, disciplina de Linguagem Brasileira de Sinais, no segundo semestre de em 2015. Coletamos perfis de 30 professores, permitindo a classificação do perfil de professor utilizando árvore de decisão com a ferramenta RapidMiner. O protótipo também foi apresentado a 12 professores para que realizassem uma avaliação de facilidade de uso percebida e de percepção de utilidade através do Technology Acceptance Model. Concluiu-se que o RECD é uma ferramenta computacional que pode auxiliar o professor e o coordenador do curso a resgatar os aprendizes de uma reprovação prevista na disciplina em andamento.

Revista de Sistemas de Informação da FSMA