TÓPICOS LATENTES NA PESQUISA EM ENSINO DE FÍSICA: UMA ANÁLISE A PARTIR DO APRENDIZADO DE MÁQUINA

## TÓPICOS LATENTES NA PESQUISA EM ENSINO DE FÍSICA: UMA ANÁLISE A PARTIR DO APRENDIZADO DE MÁQUINA

Érick Ghuron 1 , Daniel Trugillo Martins Fontes 2 , André Machado Rodrigues 3

- 1 Licenciando em Física da Universidade de São Paulo, ghuron@usp.br
- 2 Programa de Pós-Graduação Interunidades em Ensino de Ciências da USP, daniel.fontes@usp.br
- 3 Instituto de Física da Universidade de São Paulo/Física Aplicada, rodrigues.am@usp.br

Palavras-chave : análise quantitativa; levantamento bibliográfico; tecnologia de informação e comunicação

## Resumo expandido

Atualmente pode-se dizer que a tecnologia da informação e comunicação, particularmente a inteligência artificial, em suas múltiplas formas e aplicações, tem ganhado espaço na pesquisa em Educação. Nesse contexto, destacamos CHEN et al. (2020) que aplicaram conceitos da aprendizagem de máquinas para identificar tópicos e tendências em tecnologias educacionais, um trabalho retrospectivo cobrindo quatro décadas de volumes da Computers & Education. Da mesma forma, ODDEN, MARIN e RUDOLPH (2021) empregaram aprendizado de máquina para analisar as transformações ocorridas nos trabalhos dos últimos 100 anos da Science Education . No campo específico do Ensino de Física, ODDEN, MARIN e CABALLERO (2020) utilizaram da inteligência da artificial para avaliaram mais de 1300 trabalhos do physics education research conference proceedings e apontar as principais tendências da área no contexto internacional. Diante desse movimento internacional, o presente trabalho se propõe a realizar análise semelhante no contexto brasileiro, reiterando a importância e o potencial de tais pesquisas para ajudar a compreender um campo de pesquisa. Nessa direção utilizamos do mesmo algoritmo de aprendizagem de máquina descrito nas pesquisas anteriores. Nosso foco é a análise temática dos artigos publicados na Revista Brasileira de Ensino de Física (RBEF) visto a sua relevância para a área de Ensino de Física no Brasil. Explicitamente, nossa pergunta de pesquisa é: Quais são os principais tópicos e tendências encontrados na RBEF a partir de um modelo de inteligência artificial?

Para isso, classificamos os artigos em português das últimas duas décadas em diferentes grupos a partir de métodos básicos de tratamento de dados textuais (e.g., remoção de preposições, lematização dos termos, entre outros). Utilizamos o algoritmo Latent Dirichlet Allocation (LDA). Esse é um algoritmo que permite que cada artigo seja uma mistura de tópicos, no qual cada tópico é uma distribuição sobre um conjunto fixo de palavras (BLEI; NG; JORDAN, 2003). Tal algoritmo pode descobrir os tópicos latentes que estão presentes nos artigos e agrupar os que compartilham do mesmo tópico. Na Tabela 1 é apresentado a quantidade de artigos, e o resultado do modelo com as 10 palavras que possuem a maior probabilidade de caracterizar cada tópico. É importante pontuar que a ordem das palavras nessa lista é significativa, pois reflete a relevância de cada termo dentro do respectivo tópico.

Tabela 1 : Tópicos latentes dos artigos na Revista Brasileira de Ensino de Física entre 2001 e 2022

\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_

<!-- image -->

<!-- image -->

<!-- image -->

<!-- image -->

<!-- image -->

<!-- image -->

<!-- image -->

<!-- image -->

<!-- image -->

<!-- image -->

\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_

<!-- image -->

<!-- image -->

Figura 1 : Frequência e tendência anual de tópicos da Revista Brasileira de Ensino de Física entre 2001 e 2022.

Na Figura 1 observa-se como a frequência anual de cada tópico latente mudou durante o período analisado. Nota-se uma diminuição na frequência de tópicos relacionados ao Ensino de Física, enquanto houve um aumento significativo nas publicações sobre Física Geral. Além disso, nota-se que o tópico de Ensino possui grandes variações em suas publicações anuais, chegando a valores inferiores a 5% dos artigos publicados. Retomando a pergunta de pesquisa, temos que tópicos da Física Geral ocupam espaço significativo (aproximadamente 70% da Revista) enquanto que tópicos relacionados ao Ensino, Metodologia e História da Ciência, embora presentes, são menos expressivos. Ademais, os tópicos da Física Geral estão bem distribuídos entre si, sem uma predominância clara. Em relação às tendências, temos que tópicos como História da Ciência, Física Moderna e Eletromagnetismo parecem ocupar um menor espaço relativo de pesquisa, enquanto Mecânica Quântica, Mecânica Clássica, Física dos Materiais, Astronomia e Termodinâmica ganham visibilidade na pesquisa em Ensino de Física retratada pela RBEF. Destaca-se um pico de publicações sobre Metodologia em 2002, devido a um número especial da Revista abordando a física computacional e suas aplicações na pesquisa e no ensino. Por isso, a análise desse tópico latente ao longo do tempo deve ser interpretada com cautela.

Em suma, dentre as diversas interpretações possíveis dos dados da Tabela 1 e da Figura 1, nota-se que a utilização de um modelo de inteligência artificial pode ser um recurso interessante para apontar tendências numa área de pesquisa, particularmente quando avalia-se milhares de trabalhos. Tais resultados reforçam a importância de acompanhar e compreender as mudanças nas tendências de pesquisa e ensino para orientar futuros estudos e práticas no campo da física. Pesquisas futuras podem abranger mais revistas da área (e.g., Caderno Brasileiro de Ensino de Física), além de avaliar a congruência entre o trabalho realizado pelo LDA e o realizado por seres humanos a partir de uma amostra. Uma vez que as práticas que envolvam o aprendizado de máquina seja mais difundido entre os pesquisadores, acreditamos que haverá significativa economia de tempo e esforço em estudos do tipo estado da arte.

## Referências

BLEI, D. M., NG, A. Y., JORDAN, M. I. Latent Dirichlet Allocation. J. Mach. Learn. Res ., v. 3, n. null, p. 993-1022, 2003.

CHEN, X.; ZOU, D.; CHENG, G.; XIE, H. Detecting Latent Topics and Trends in Educational Technologies over Four Decades Using Structural Topic Modeling: A Retrospective of All Volumes of Computers &amp; Education. Computers &amp; Education , v. 151, p. 103855, 2020.

ODDEN, T. O. B.; MARIN, A.; CABALLERO, M. D. Thematic analysis of 18 years of physics education research conference proceedings using natural language processing. Physical Review Physics Education Research , v. 16, n. 1, 2020.

ODDEN, T. O. B.; MARIN, A.; RUDOLPH, J. L. How Has Science Education Changed over the Last 100 Years? An Analysis Using Natural Language Processing. Science Education , v. 105, n. 4, p. 653-680, 2021.

\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_