Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/36574| Título: | Análise de dados acadêmicos e construção de plataforma para apoio a redução da retenção no ensino superior |
| Autor(es): | Franco, Lucas Ricardo de Lima |
| Orientador(es): | Pereira Junior, Francisco |
| Palavras-chave: | Mineração de dados (Computação) Ensino superior Sistemas de reconhecimento de padrões Data mining Education, Higher Pattern recognition systems |
| Data do documento: | 17-Mai-2021 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Cornelio Procopio |
| Citação: | FRANCO, Lucas Ricardo de Lima. Análise de dados acadêmicos e construção de plataforma para apoio a redução da retenção no ensino superior. 2021. Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Computação) - Universidade Tecnológica Federal do Paraná, Cornélio Procópio, 2021. |
| Resumo: | A retenção no ensino superior é um fenômeno complexo que causa grandes impactos na sociedade, devido a todos os fatores que estão intrinsecamente relacionados com sua ocorrência, como o financeiro, educacional e social. Este trabalho tem a retenção como objeto de estudo e apresenta uma análise de dados acadêmicos utilizando técnicas de mineração de dados e as etapas de construção de uma plataforma para tornar as análises mais acessíveis. Em conjunto foram implementados mecanismos automáticos para comunicação com alunos e artifícios para que docentes possam extrair insights e tomar ações a fim de contribuir para a redução da retenção acadêmica. Com este trabalho pôde-se verificar a influência parcial de algumas variáveis no desempenho dos alunos, como a frequência e a realização das atividades sugeridas pelos professores. Além disso, modelos de aprendizagem de máquina foram treinados considerando diferentes cenários, e dentre os algoritmos utilizados, para o conjunto de dados disponível o Random Forest apresentou os melhores resultados. Para os cenários mais comuns obteve-se acurácias entre 64,5% e 95,4%, dependendo do momento do período letivo no qual as predições foram realizadas. |
| Abstract: | Retention in higher education is a complex phenomenon that causes major impacts on society, due to all the factors that are intrinsically related to its occurrence, such as financial, educational and social. This monograph has retention as the object of study and presents an analysis of academic data using data mining techniques and the steps of building a platform to make the analysis more accessible. Moreover, automatic mechanisms for communication with students and devices are implemented so that teachers can extract insights and take actions in order to contribute to the reduction of academic retention. With this work it was possible to check the partial influence of some variables on the students' performance, such as the frequency and the performance of the activities suggested by the teachers. In addition, machine learning models were trained considering different scenarios, and among the algorithms used, for the available data set the Random Forest algorithm presented the best results. For the most common scenarios, accuracy between 64.5% and 95.4% was obtained, depending on the time of the school year in which the predictions were made. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/36574 |
| Aparece nas coleções: | CP - Engenharia da Computação |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| analisedadosacademicosconstrucaoplataforma.pdf | 2,1 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
