Palavras-chave
Inteligência Educacional Cultural
Educação em Dança de Minorias
Análise Fatorial Exploratória
Análise de Cluster
Análise de Dados Educacionais
Como Citar
Resumo
Objetivo: As tradições de dança de minorias representam formas significativas de patrimônio cultural que são preservadas por meio da transmissão educacional. No entanto, sua sustentabilidade é cada vez mais desafiada pela escassez de instrutores especializados, barreiras geográficas e mudanças nas preferências dos aprendizes em ambientes digitais de aprendizagem. Em resposta a esses desafios, este estudo propõe um framework de aprendizagem híbrida orientado por dados para a educação em dança de minorias, integrando o ensino tradicional com plataformas digitais e gerando insights analíticos para apoiar a inteligência educacional e a tomada de decisão institucional.
Metodologia/Abordagem: O framework incorpora tecnologia de captura de movimento com um Autoencoder Variacional Condicional otimizado por Artificial Gorilla Troop (AGTO-CVAE) para permitir a análise e reconhecimento precisos dos movimentos de dança dos estudantes. Os dados foram coletados de alunos matriculados em programas de dança de minorias por meio de questionários estruturados, avaliações de desempenho e métricas de engajamento online. As sequências de captura de movimento foram normalizadas antes da análise. A Análise Fatorial Exploratória (AFE) foi aplicada para identificar dimensões latentes do ambiente de aprendizagem híbrida, e o algoritmo K-means foi utilizado para agrupar os aprendizes conforme adaptabilidade tecnológica, engajamento e orientação cultural.
Originalidade/Relevância: O framework integra o ensino tradicional com plataformas digitais, ao mesmo tempo em que gera insights analíticos para apoiar a inteligência educacional e a tomada de decisão institucional no contexto da educação em dança de minorias.
Principais Resultados: Os resultados experimentais demonstram que o modelo AGTO-CVAE proposto apresenta desempenho superior, com precisão de 0,9875, recall de 0,9845 e F1-score de 0,9859, além de reduzir a complexidade computacional.
Contribuições Teóricas/Metodológicas: Os achados indicam que ambientes de aprendizagem híbrida orientados por dados podem funcionar como sistemas de inteligência educacional, promovendo melhorias no design instrucional, no engajamento dos estudantes e na sustentabilidade da educação do patrimônio cultural.
Referências
Catalano, T., & Morales, A. R. (2022). Dancing across difference: Arts and community-based interventions as intercultural education. Intercultural Education, 33(1), 48–66. https://doi.org/10.1080/14675986.2021.2016214
Coudenys, B., Dekeyser, G., Agirdag, O., & Clycq, N. (2024). The invisible support of community schools in a highly unequal education system: Exploring the experiences of minority pupils and teachers. British Educational Research Journal, 50(4), 2091–2110. https://doi.org/10.1002/berj.4015
Crum, D. (2024). Building equity in education with dance in schools. Teachers College Record, 126(9), 155–160. https://doi.org/10.1177/01614681241298845
Ding, J. (2024). Deep learning perspective on the construction of SPOC teaching model of music and dance in colleges and universities. Systems and Soft Computing, 6, 200137. https://doi.org/10.1016/j.sasc.2024.200137
Guang, F., & Xueliang, Z. (2025). Research on the impact mechanisms of immersive virtual reality technology in enhancing the effectiveness of higher folk dance education: Based on student perspective. Education and Information Technologies, 30, 1–39. https://doi.org/10.1007/s10639-025-13413-y
Guo, N., Yang, A., Wang, Y., & Dastbaravardeh, E. (2025). Fine-grained dance style classification using an optimized hybrid convolutional neural network architecture for video processing over multimedia networks. International Journal of Intelligent Systems, 2025(1), 6434673. https://doi.org/10.1155/int/6434673
Hod, Y., & Dvir, M. (2022). Identity artifacts: Resources that facilitate transforming participation in blended learning communities. The Internet and Higher Education, 54, 100846. https://doi.org/10.1016/j.iheduc.2022.100846
Hung, C. (2023). A machine learning/deep learning hybrid for augmenting teacher-led online dance education. Computer Networks & Communications, 13(4), 29–40. https://doi.org/10.5121/csit.2023.130403
Ju, X. (2025). The application of deep learning in dance movement design. International Journal of Computational Intelligence Systems, 18(1), 183. https://doi.org/10.1007/s44196-025-00907-3
Kavecsánszki, M. (2023). Representing national culture on the dance stage: A chapter from the history of Hungarian ballet between the two World Wars. Arts, 12, 41. https://doi.org/10.3390/arts12020041
Lei, X. (2024). The application of ethnic folk dance elements in choreographic techniques from a contemporary perspective: Exploring the fusion of Dai ethnic folk dance and modernity. Pacific International Journal, 7(2), 93–97. https://doi.org/10.55014/pij.v7i2.578
Mabingo, A., Avelar, K., Chen, R., & Cabrera, F. M. (2024). Solidarities of the marginalized as anti-racist dance pedagogy: Reflections on collaborative advocacy from dance educators with connective marginalities. Journal of Dance Education, 24(2), 136–147. https://doi.org/10.1080/15290824.2022.2053688
Peng, Y. (2022). Research on dance teaching based on motion capture system. Mathematical Problems in Engineering, 2022(1), 1455849. https://doi.org/10.1155/2022/1455849
Qian, X., & Saearani, M. F. T. (2025). Preserving heritage in the modern era: An analysis of cultural value integration in the representation of traditional Chinese dance education. Jurnal Multidisiplin Sahombu, 5(5), 1174–1189. https://doi.org/10.58471/jms.v5i05
Shi, Y. (2022). Stage performance characteristics of minority dance based on human motion recognition. Mobile Information Systems, 2022(1), 1940218. https://doi.org/10.1155/2022/1940218
Wang, Z. (2024). Artificial intelligence in dance education: Using immersive technologies for teaching dance skills. Technology in Society, 77, 102579. https://doi.org/10.1016/j.techsoc.2024.102579
Zhang, Z., & Wang, W. (2024). Enhancing dance education through convolutional neural networks and blended learning. PeerJ Computer Science, 10, e2342. https://doi.org/10.7717/peerj-cs.2342
Zhen, N., & Keun, P. J. (2025). Ethnic dance movement instruction guided by artificial intelligence and 3D convolutional neural networks. Scientific Reports, 15(1), 16856. https://doi.org/10.1038/s41598-025-01879-2
Zheng, J., Zhang, Y., & Zhang, S. (2024). Audio-visual aesthetic teaching methods in college students’ vocal music teaching by deep learning. Scientific Reports, 14(1), 29386. https://doi.org/10.1038/s41598-024-80640-7
Zhou, D., & Sangsawang, T. (2026). Blended learning model for enhancing minority dance education validated through exploratory factor and cluster analyses [Data set]. figshare. https://doi.org/10.6084/m9.figshare.31557709.v1
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Copyright (c) 2026 Revista Inteligência Competitiva