Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/30498| Título: | Análise do perfil de estudantes de graduação baseada nas suas experiências e percepções sobre a universidade: uma abordagem por técnicas de clusterização |
| Título(s) alternativo(s): | Profile analysis of undergraduate students based on their experiences and perceptions about university: an approach by clustering techniques |
| Autor(es): | Homma Junior, Edmilson |
| Orientador(es): | Santos, Bruno Samways dos |
| Palavras-chave: | Mineração de dados (Computação) Análise por agrupamento Estudantes universitários Data mining Cluster analysis College students |
| Data do documento: | 21-Nov-2022 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Londrina |
| Citação: | HOMMA JUNIOR, Edmilson. Análise do perfil de estudantes de graduação baseada nas suas experiências e percepções sobre a universidade: uma abordagem por técnicas de clusterização. 2022. Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Produção) - Universidade Tecnológica Federal do Paraná, Londrina, 2022. |
| Resumo: | Com o desafio de entender perfis de alunos dentro do contexto universitário, a mineração de dados têm sido utilizada cada vez mais como meio para gerar informações úteis aos tomadores de decisão. Nesse sentido, o presente trabalho buscou aplicar técnicas de clusterização sobre dados obtidos através de um questionário aplicado nos estudantes de uma universidade pública. Para tal, foi elaborado um questionário com 39 questões quantitativas e qualitativas, contendo perguntas sobre o aluno e sobre suas perceções em relação à universidade, no qual avaliam a satisfação e fidelidade, de acordo com a metodologia CSAT (Customer Satisfaction) e NPS (Net Promoter Score), respectivamente. Através dele, foram aplicadas três técnicas de agrupamento, sendo elas: K-Means; Fuzzy C-Means; e Método Hierárquico. O conjunto de dados foi dividido em dois, um para questões em que o aluno avalia a experiência universitária e outro de cunho pessoal. Os resultados foram avaliados pelo método da silhueta, o qual retornou os melhores valores para o K-Means em ambos os casos, com notas 0.181 (com dois clusters) e 0.498 (com três clusters), respectivamente. Porém, para o caso de três clusters, o Fuzzy C-Means conseguiu atingir um balanceamento de instâncias melhor entre os grupos, trazendo a oportunidade de analisar de forma paralela ao K-Means. Com isso, foram analisadas as diferenças entre os grupos, resultando em pelo menos cinco perfis distintos. Dois deles se diferenciaram, principalmente, por serem “promotores” ou “neutro/detratores” em relação à universidade, sendo que estes se caracterizaram por enfrentar maiores responsabilidades e uma situação de vida mais estressante. Os demais perfis se diferenciaram, em especial, pela relação que possui com a família, por frequentar psicólogo ou psiquiatra, e pela quantidade de situações de estresse, ansiedade ou falta de motivação que enfrentam durante a graduação. |
| Abstract: | With the challenge of understanding student profiles within the university context, data mining has been increasingly used as a means to generate useful information for decision makers. In this sense, the present work sought to apply clustering techniques on data obtained through a questionnaire applied to students at a public university. To this end, a questionnaire was prepared with 39 quantitative and qualitative questions, containing questions about the student and their perceptions regarding the university, in which they assess satisfaction and loyalty, according to the CSAT (Customer Satisfaction) and NPS (Net Promoter Score), respectively. Through it, three clustering techniques were applied, namely: K-Means; Fuzzy C-Means; and Hierarchical Method. The data set was divided in two, one for questions in which the student evaluates the university experience and another for a personal question. The results were evaluated by the silhouette method, which returned the best values for K-Means in both cases, with scores of 0.181 (with two clusters) and 0.498 (with three clusters), respectively. However, for the case of three clusters, Fuzzy C-Means managed to achieve a better balance of instances between the groups, bringing the opportunity to analyze in parallel with K-Means. Thus, the differences between the groups were analyzed, resulting in at least five distinct profiles. Two of them differed, mainly, for being “promoters” or “neutral/detractors” in relation to the university, and they were characterized by facing greater responsibilities and a more stressful life situation. The other profiles differed, in particular, by the relationship they have with the family, by attending a psychologist or psychiatrist, and by the amount of situations of stress, anxiety or lack of motivation they face during graduation. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/30498 |
| Aparece nas coleções: | LD - Engenharia de Produção |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| analiseperfilestudantesclusterizacao.pdf | 2,84 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
