Modelo de predi??o de evas?o escolar com base em dados de autoavalia??o de cursos de gradua??o
Autor(a) principal: | |
---|---|
Data de Publicação: | 2023 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional do IFPB |
Texto Completo: | http://repositorio.ifpb.edu.br/jspui/handle/177683/3206 |
Resumo: | A evas?o escolar constitui um desafio cotidiano enfrentado pelas institui??es de ensino no Brasil e no mundo. No caso espec?fico das institui??es de ensino superior brasileiras, as taxas de evas?o escolar permanecem em patamares preocupantes e inaceit?veis, resultando em perdas financeiras significativas e escassez de profissionais em ?reas espec?ficas da educa??o. Diante desse cen?rio, o objetivo desta pesquisa foi desenvolver e avaliar modelos preditivos para identificar alunos com maior propens?o ? evas?o escolar, utilizando dados de um modelo semestral de autoavalia??o dos cursos de gradua??o da Universidade Federal da Para?ba (UFPB). A metodologia utilizada neste estudo foi a minera??o de dados educacionais, com base na metodologia CRISP-EDM. Inicialmente, foi realizada uma compreens?o do dom?nio, investigando a problem?tica da evas?o escolar e sua rela??o com os dados da autoavalia??o institucional. Em seguida, foi realizada uma an?lise explorat?ria dos dados da autoavalia??o dos cursos da UFPB, seguida pela prepara??o dos dados para a tarefa de classifica??o. Diversas t?cnicas de aprendizado de m?quina foram aplicadas, incluindo ?rvore de Decis?o (Decision Tree - DT), Floresta Aleat?ria (Random Forest - RF) e M?quinas de Vetores de Suporte (Support Vector Machine - SVM). Os modelos desenvolvidos foram avaliados usando m?tricas de desempenho, como acur?cia, precis?o, recall e medida F. Os resultados mostraram que o modelo preditivo alcan?ou uma acur?cia de 87,97%, precis?o de 91,72%, recall de 91,67% e medida F de 91,57% na identifica??o dos alunos com maior propens?o ? evas?o escolar. Al?m disso, constatou-se que aproximadamente 59% dos alunos ativos, admitidos entre 2017 e 2021, apresentam uma maior probabilidade de abandonar seus cursos. Essas informa??es s?o relevantes para embasar decis?es institucionais e orientar a implementa??o de pol?ticas e a??es eficazes de combate ? evas?o escolar, visando mitigar esse problema e alcan?ar melhores resultados acad?micos. Ao adotar a abordagem da minera??o de dados educacionais e a metodologia CRISP-EDM, este estudo contribui para o avan?o no campo da predi??o de evas?o escolar, fornecendo informa??es para a tomada de decis?es e o desenvolvimento de estrat?gias preventivas no contexto da UFPB e de outras institui??es de ensino superior. |
id |
IFPB_a640ab95c5a18095b42fddec37d0a51e |
---|---|
oai_identifier_str |
oai:repositorio.ifpb.edu.br:177683/3206 |
network_acronym_str |
IFPB |
network_name_str |
Repositório Institucional do IFPB |
repository_id_str |
|
spelling |
Oliveira, Ronei dos Santos2023-09-13T12:13:50Z2023-09-13T12:13:50Z2023-09-13http://repositorio.ifpb.edu.br/jspui/handle/177683/3206A evas?o escolar constitui um desafio cotidiano enfrentado pelas institui??es de ensino no Brasil e no mundo. No caso espec?fico das institui??es de ensino superior brasileiras, as taxas de evas?o escolar permanecem em patamares preocupantes e inaceit?veis, resultando em perdas financeiras significativas e escassez de profissionais em ?reas espec?ficas da educa??o. Diante desse cen?rio, o objetivo desta pesquisa foi desenvolver e avaliar modelos preditivos para identificar alunos com maior propens?o ? evas?o escolar, utilizando dados de um modelo semestral de autoavalia??o dos cursos de gradua??o da Universidade Federal da Para?ba (UFPB). A metodologia utilizada neste estudo foi a minera??o de dados educacionais, com base na metodologia CRISP-EDM. Inicialmente, foi realizada uma compreens?o do dom?nio, investigando a problem?tica da evas?o escolar e sua rela??o com os dados da autoavalia??o institucional. Em seguida, foi realizada uma an?lise explorat?ria dos dados da autoavalia??o dos cursos da UFPB, seguida pela prepara??o dos dados para a tarefa de classifica??o. Diversas t?cnicas de aprendizado de m?quina foram aplicadas, incluindo ?rvore de Decis?o (Decision Tree - DT), Floresta Aleat?ria (Random Forest - RF) e M?quinas de Vetores de Suporte (Support Vector Machine - SVM). Os modelos desenvolvidos foram avaliados usando m?tricas de desempenho, como acur?cia, precis?o, recall e medida F. Os resultados mostraram que o modelo preditivo alcan?ou uma acur?cia de 87,97%, precis?o de 91,72%, recall de 91,67% e medida F de 91,57% na identifica??o dos alunos com maior propens?o ? evas?o escolar. Al?m disso, constatou-se que aproximadamente 59% dos alunos ativos, admitidos entre 2017 e 2021, apresentam uma maior probabilidade de abandonar seus cursos. Essas informa??es s?o relevantes para embasar decis?es institucionais e orientar a implementa??o de pol?ticas e a??es eficazes de combate ? evas?o escolar, visando mitigar esse problema e alcan?ar melhores resultados acad?micos. Ao adotar a abordagem da minera??o de dados educacionais e a metodologia CRISP-EDM, este estudo contribui para o avan?o no campo da predi??o de evas?o escolar, fornecendo informa??es para a tomada de decis?es e o desenvolvimento de estrat?gias preventivas no contexto da UFPB e de outras institui??es de ensino superior.Submitted by Coordena??o Mestrado em Tecnologia da Informa??o (coordenacao.ppgti@ifpb.edu.br) on 2023-09-13T10:55:53Z No. of bitstreams: 2 IFPB-PPGTI-Disserta??o_Final_Revisado_Aprovado.pdf: 2443374 bytes, checksum: e95b0a35e686f25dd451c2f615e99a21 (MD5) termo_de_autorizacao_de_postagem_no_repositorio_digital_assinado.pdf: 179236 bytes, checksum: db176444482164caf478407a409b921e (MD5)Approved for entry into archive by Josinete Nobrega Araujo (josinete@ifpb.edu.br) on 2023-09-13T12:13:50Z (GMT) No. of bitstreams: 2 IFPB-PPGTI-Disserta??o_Final_Revisado_Aprovado.pdf: 2443374 bytes, checksum: e95b0a35e686f25dd451c2f615e99a21 (MD5) termo_de_autorizacao_de_postagem_no_repositorio_digital_assinado.pdf: 179236 bytes, checksum: db176444482164caf478407a409b921e (MD5)Made available in DSpace on 2023-09-13T12:13:50Z (GMT). No. of bitstreams: 2 IFPB-PPGTI-Disserta??o_Final_Revisado_Aprovado.pdf: 2443374 bytes, checksum: e95b0a35e686f25dd451c2f615e99a21 (MD5) termo_de_autorizacao_de_postagem_no_repositorio_digital_assinado.pdf: 179236 bytes, checksum: db176444482164caf478407a409b921e (MD5) Previous issue date: 2023-09-13Evas?o escolarEnsino superiorAutoavalia??o institucionalModelo de predi??o de evas?o escolar com base em dados de autoavalia??o de cursos de gradua??oinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisporreponame:Repositório Institucional do IFPBinstname:Instituto Federal da Paraíba (IFPB)instacron:IFPBinfo:eu-repo/semantics/openAccessDisserta??o de MestradoInstituto Federal da Para?ba - PPGTIORIGINALIFPB-PPGTI-Disserta??o_Final_Revisado_Aprovado.pdfIFPB-PPGTI-Disserta??o_Final_Revisado_Aprovado.pdfapplication/pdf2443374http://repositorio.ifpb.edu.br/jspui/bitstream/177683/3206/1/IFPB-PPGTI-Disserta%C3%A7%C3%A3o_Final_Revisado_Aprovado.pdfe95b0a35e686f25dd451c2f615e99a21MD51termo_de_autorizacao_de_postagem_no_repositorio_digital_assinado.pdftermo_de_autorizacao_de_postagem_no_repositorio_digital_assinado.pdfapplication/pdf179236http://repositorio.ifpb.edu.br/jspui/bitstream/177683/3206/2/termo_de_autorizacao_de_postagem_no_repositorio_digital_assinado.pdfdb176444482164caf478407a409b921eMD52177683/32062023-09-13 09:13:50.497oai:repositorio.ifpb.edu.br:177683/3206Repositório InstitucionalPUBhttp://repositorio.ifpb.edu.br/oai/requestrepositoriodigital@ifpb.edu.bropendoar:2023-09-13T12:13:50Repositório Institucional do IFPB - Instituto Federal da Paraíba (IFPB)false |
dc.title.pt_BR.fl_str_mv |
Modelo de predi??o de evas?o escolar com base em dados de autoavalia??o de cursos de gradua??o |
title |
Modelo de predi??o de evas?o escolar com base em dados de autoavalia??o de cursos de gradua??o |
spellingShingle |
Modelo de predi??o de evas?o escolar com base em dados de autoavalia??o de cursos de gradua??o Oliveira, Ronei dos Santos Evas?o escolar Ensino superior Autoavalia??o institucional |
title_short |
Modelo de predi??o de evas?o escolar com base em dados de autoavalia??o de cursos de gradua??o |
title_full |
Modelo de predi??o de evas?o escolar com base em dados de autoavalia??o de cursos de gradua??o |
title_fullStr |
Modelo de predi??o de evas?o escolar com base em dados de autoavalia??o de cursos de gradua??o |
title_full_unstemmed |
Modelo de predi??o de evas?o escolar com base em dados de autoavalia??o de cursos de gradua??o |
title_sort |
Modelo de predi??o de evas?o escolar com base em dados de autoavalia??o de cursos de gradua??o |
author |
Oliveira, Ronei dos Santos |
author_facet |
Oliveira, Ronei dos Santos |
author_role |
author |
dc.contributor.author.fl_str_mv |
Oliveira, Ronei dos Santos |
dc.subject.por.fl_str_mv |
Evas?o escolar Ensino superior Autoavalia??o institucional |
topic |
Evas?o escolar Ensino superior Autoavalia??o institucional |
description |
A evas?o escolar constitui um desafio cotidiano enfrentado pelas institui??es de ensino no Brasil e no mundo. No caso espec?fico das institui??es de ensino superior brasileiras, as taxas de evas?o escolar permanecem em patamares preocupantes e inaceit?veis, resultando em perdas financeiras significativas e escassez de profissionais em ?reas espec?ficas da educa??o. Diante desse cen?rio, o objetivo desta pesquisa foi desenvolver e avaliar modelos preditivos para identificar alunos com maior propens?o ? evas?o escolar, utilizando dados de um modelo semestral de autoavalia??o dos cursos de gradua??o da Universidade Federal da Para?ba (UFPB). A metodologia utilizada neste estudo foi a minera??o de dados educacionais, com base na metodologia CRISP-EDM. Inicialmente, foi realizada uma compreens?o do dom?nio, investigando a problem?tica da evas?o escolar e sua rela??o com os dados da autoavalia??o institucional. Em seguida, foi realizada uma an?lise explorat?ria dos dados da autoavalia??o dos cursos da UFPB, seguida pela prepara??o dos dados para a tarefa de classifica??o. Diversas t?cnicas de aprendizado de m?quina foram aplicadas, incluindo ?rvore de Decis?o (Decision Tree - DT), Floresta Aleat?ria (Random Forest - RF) e M?quinas de Vetores de Suporte (Support Vector Machine - SVM). Os modelos desenvolvidos foram avaliados usando m?tricas de desempenho, como acur?cia, precis?o, recall e medida F. Os resultados mostraram que o modelo preditivo alcan?ou uma acur?cia de 87,97%, precis?o de 91,72%, recall de 91,67% e medida F de 91,57% na identifica??o dos alunos com maior propens?o ? evas?o escolar. Al?m disso, constatou-se que aproximadamente 59% dos alunos ativos, admitidos entre 2017 e 2021, apresentam uma maior probabilidade de abandonar seus cursos. Essas informa??es s?o relevantes para embasar decis?es institucionais e orientar a implementa??o de pol?ticas e a??es eficazes de combate ? evas?o escolar, visando mitigar esse problema e alcan?ar melhores resultados acad?micos. Ao adotar a abordagem da minera??o de dados educacionais e a metodologia CRISP-EDM, este estudo contribui para o avan?o no campo da predi??o de evas?o escolar, fornecendo informa??es para a tomada de decis?es e o desenvolvimento de estrat?gias preventivas no contexto da UFPB e de outras institui??es de ensino superior. |
publishDate |
2023 |
dc.date.accessioned.fl_str_mv |
2023-09-13T12:13:50Z |
dc.date.available.fl_str_mv |
2023-09-13T12:13:50Z |
dc.date.issued.fl_str_mv |
2023-09-13 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://repositorio.ifpb.edu.br/jspui/handle/177683/3206 |
url |
http://repositorio.ifpb.edu.br/jspui/handle/177683/3206 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional do IFPB instname:Instituto Federal da Paraíba (IFPB) instacron:IFPB |
instname_str |
Instituto Federal da Paraíba (IFPB) |
instacron_str |
IFPB |
institution |
IFPB |
reponame_str |
Repositório Institucional do IFPB |
collection |
Repositório Institucional do IFPB |
bitstream.url.fl_str_mv |
http://repositorio.ifpb.edu.br/jspui/bitstream/177683/3206/1/IFPB-PPGTI-Disserta%C3%A7%C3%A3o_Final_Revisado_Aprovado.pdf http://repositorio.ifpb.edu.br/jspui/bitstream/177683/3206/2/termo_de_autorizacao_de_postagem_no_repositorio_digital_assinado.pdf |
bitstream.checksum.fl_str_mv |
e95b0a35e686f25dd451c2f615e99a21 db176444482164caf478407a409b921e |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional do IFPB - Instituto Federal da Paraíba (IFPB) |
repository.mail.fl_str_mv |
repositoriodigital@ifpb.edu.br |
_version_ |
1801660451281436672 |