Técnicas de mineração de dados aplicadas à base de dados do exame nacional de desempenho dos estudantes

Detalhes bibliográficos
Autor(a) principal: Silva, Francisco de Assis Oliveira
Data de Publicação: 2023
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da Universidade Federal Fluminense (RIUFF)
Texto Completo: http://app.uff.br/riuff/handle/1/29048
Resumo: Na busca de um sistema educacional superior com qualidade, é preciso conhecer antes, as ocorrências que acometem a atual situação no processo de formação dos futuros profissionais, e traçar planos e estratégias, que busquem as melhores decisões na resolução destes problemas. O objetivo do trabalho é extrair conhecimento da Base de dados do ENADE, aplicando técnicas de Mineração de Dados. Com tais conhecimentos poderá ser realizada uma análise da situação do ensino nas Universidades e Faculdades do Brasil. A partir da análise do desempenho de estudantes no exame, por curso e região, pode-se interpretar a forma como o crescimento qualitativo do Ensino Superior do país, tem se desenvolvido. O software utilizado neste trabalho foi o WEKA, sendo este, um conjunto de algoritmos de aprendizado de máquina para tarefas de Mineração de Dados, desenvolvido em código aberto emitido sob o General Public License, e as tarefa aplicadas foram extração de regras de associação, e árvores de decisão com os algoritmos APRIORI e o J48GRAFT. Após a aplicação dos algoritmos foram extraídas várias regras, as mais relevantes foram à análise de que o conceito Regular, segundo a regra de associação, obteve a maior ocorrência dentre as instituições avaliadas no exame entre os anos de 2010 e 2013, e ainda, pode-se analisar que os melhores desempenhos foram alcançados pelos estados de Minas Gerais e Paraná, pertencentes a regiões do Sudeste e Sul. Junto a isso, com a aplicação do algoritmo foi possível dizer que as regiões, com exceção da região Sudeste e Sul, conseguiram conceitos Ruins no exame realizado, dentre os anos de 2010 e 2013. Nos estados Norte e Nordeste do país, pode-se concluir que há muitas deficiências que são refletidas nos desempenhos de baixo nível no exame, incluindo, algumas instituições públicas. Tendo o real conhecimento da qualidade educacional refletida pelos resultados do exame, tais órgãos responsáveis pelo Ensino Superior no Brasil, podem tirar proveito para construir novos métodos que levem as instituições de Ensino Superior, demonstrarem melhor qualidade, e principalmente, melhor desempenho em avaliações institucionais, em todo território nacional, a partir do conhecimento adquiro neste trabalho.
id UFF-2_411377f1752f777c054db30f6d288e99
oai_identifier_str oai:app.uff.br:1/29048
network_acronym_str UFF-2
network_name_str Repositório Institucional da Universidade Federal Fluminense (RIUFF)
repository_id_str 2120
spelling Técnicas de mineração de dados aplicadas à base de dados do exame nacional de desempenho dos estudantesENADEMineração de DadosEducacionalSuperiorEnsino superiorENADEData MiningEducationHigherNa busca de um sistema educacional superior com qualidade, é preciso conhecer antes, as ocorrências que acometem a atual situação no processo de formação dos futuros profissionais, e traçar planos e estratégias, que busquem as melhores decisões na resolução destes problemas. O objetivo do trabalho é extrair conhecimento da Base de dados do ENADE, aplicando técnicas de Mineração de Dados. Com tais conhecimentos poderá ser realizada uma análise da situação do ensino nas Universidades e Faculdades do Brasil. A partir da análise do desempenho de estudantes no exame, por curso e região, pode-se interpretar a forma como o crescimento qualitativo do Ensino Superior do país, tem se desenvolvido. O software utilizado neste trabalho foi o WEKA, sendo este, um conjunto de algoritmos de aprendizado de máquina para tarefas de Mineração de Dados, desenvolvido em código aberto emitido sob o General Public License, e as tarefa aplicadas foram extração de regras de associação, e árvores de decisão com os algoritmos APRIORI e o J48GRAFT. Após a aplicação dos algoritmos foram extraídas várias regras, as mais relevantes foram à análise de que o conceito Regular, segundo a regra de associação, obteve a maior ocorrência dentre as instituições avaliadas no exame entre os anos de 2010 e 2013, e ainda, pode-se analisar que os melhores desempenhos foram alcançados pelos estados de Minas Gerais e Paraná, pertencentes a regiões do Sudeste e Sul. Junto a isso, com a aplicação do algoritmo foi possível dizer que as regiões, com exceção da região Sudeste e Sul, conseguiram conceitos Ruins no exame realizado, dentre os anos de 2010 e 2013. Nos estados Norte e Nordeste do país, pode-se concluir que há muitas deficiências que são refletidas nos desempenhos de baixo nível no exame, incluindo, algumas instituições públicas. Tendo o real conhecimento da qualidade educacional refletida pelos resultados do exame, tais órgãos responsáveis pelo Ensino Superior no Brasil, podem tirar proveito para construir novos métodos que levem as instituições de Ensino Superior, demonstrarem melhor qualidade, e principalmente, melhor desempenho em avaliações institucionais, em todo território nacional, a partir do conhecimento adquiro neste trabalho.In search of a higher education system with quality, you need to know before the events that affect the current situation in the future professional training process, and make plans and strategies, to seek the best decisions in solving these problems. The objective is to extract knowledge of ENADE Database, using data mining techniques. With such knowledge can be performed an analysis of the situation of education in universities and colleges in Brazil. From the analysis of student performance on the exam, by course and region, can interpret how the qualitative growth of higher education in the country, has developed. The software used in this work was the WEKA, which is a set of machine learning algorithms for data mining tasks, developed in open source issued under the General Public License, and the applied task were extracting association rules, and decision trees with APRIORI and J48GRAFT algorithms. After application of the algorithms were extracted several rules, the most important were the analysis of the Regular concept, the association rule, had the highest occurrence among the institutions evaluated in the examination between the years 2010 and 2013, and also can If we consider that the best performances were achieved by the states of Minas Gerais and Paraná, belonging to regions of the Southeast and South. Next to that, with the application of the algorithm was possible to say that the regions except the Southeast and South, managed bad concepts in examination, from the years 2010 and 2013. In the northern states and the Northeast, it can be concluded that there are many shortcomings that are reflected in the low performance in the examination, including some public institutions. With real knowledge of educational quality reflected by the test results , such agencies responsible for higher education in Brazil , can take advantage of to build new methods that take the higher education institutions , demonstrate better quality, and most importantly, better performance in institutional evaluations , throughout the country , from the knowledge I acquire in this work.84 f.Gomes, Geórgia Regina Rodrigueshttp://lattes.cnpq.br/8966061799453364Semaan, Gustavo SIlvahttp://lattes.cnpq.br/4519888592231795Pacheco, Margarida dos Santoshttp://lattes.cnpq.br/0461598079812244http://lattes.cnpq.br/2882641169289662Silva, Francisco de Assis Oliveira2023-06-05T14:50:31Z2023-06-05T14:50:31Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfSILVA, Francisco de Assis Oliveira. Técnicas de mineração de dados aplicadas à base de dados do exame nacional de desempenho dos estudantes. 2016. 84 f. Trabalho de Conclusão de Curso (Graduação em Computação) - Instituto do Noroeste Fluminense de Educação Superior, Universidade Federal Fluminense, Santo Antônio de Pádua, 2016.http://app.uff.br/riuff/handle/1/29048CC-BY-SAinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)instname:Universidade Federal Fluminense (UFF)instacron:UFF2023-06-05T14:50:35Zoai:app.uff.br:1/29048Repositório InstitucionalPUBhttps://app.uff.br/oai/requestriuff@id.uff.bropendoar:21202023-06-05T14:50:35Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)false
dc.title.none.fl_str_mv Técnicas de mineração de dados aplicadas à base de dados do exame nacional de desempenho dos estudantes
title Técnicas de mineração de dados aplicadas à base de dados do exame nacional de desempenho dos estudantes
spellingShingle Técnicas de mineração de dados aplicadas à base de dados do exame nacional de desempenho dos estudantes
Silva, Francisco de Assis Oliveira
ENADE
Mineração de Dados
Educacional
Superior
Ensino superior
ENADE
Data Mining
Education
Higher
title_short Técnicas de mineração de dados aplicadas à base de dados do exame nacional de desempenho dos estudantes
title_full Técnicas de mineração de dados aplicadas à base de dados do exame nacional de desempenho dos estudantes
title_fullStr Técnicas de mineração de dados aplicadas à base de dados do exame nacional de desempenho dos estudantes
title_full_unstemmed Técnicas de mineração de dados aplicadas à base de dados do exame nacional de desempenho dos estudantes
title_sort Técnicas de mineração de dados aplicadas à base de dados do exame nacional de desempenho dos estudantes
author Silva, Francisco de Assis Oliveira
author_facet Silva, Francisco de Assis Oliveira
author_role author
dc.contributor.none.fl_str_mv Gomes, Geórgia Regina Rodrigues
http://lattes.cnpq.br/8966061799453364
Semaan, Gustavo SIlva
http://lattes.cnpq.br/4519888592231795
Pacheco, Margarida dos Santos
http://lattes.cnpq.br/0461598079812244
http://lattes.cnpq.br/2882641169289662
dc.contributor.author.fl_str_mv Silva, Francisco de Assis Oliveira
dc.subject.por.fl_str_mv ENADE
Mineração de Dados
Educacional
Superior
Ensino superior
ENADE
Data Mining
Education
Higher
topic ENADE
Mineração de Dados
Educacional
Superior
Ensino superior
ENADE
Data Mining
Education
Higher
description Na busca de um sistema educacional superior com qualidade, é preciso conhecer antes, as ocorrências que acometem a atual situação no processo de formação dos futuros profissionais, e traçar planos e estratégias, que busquem as melhores decisões na resolução destes problemas. O objetivo do trabalho é extrair conhecimento da Base de dados do ENADE, aplicando técnicas de Mineração de Dados. Com tais conhecimentos poderá ser realizada uma análise da situação do ensino nas Universidades e Faculdades do Brasil. A partir da análise do desempenho de estudantes no exame, por curso e região, pode-se interpretar a forma como o crescimento qualitativo do Ensino Superior do país, tem se desenvolvido. O software utilizado neste trabalho foi o WEKA, sendo este, um conjunto de algoritmos de aprendizado de máquina para tarefas de Mineração de Dados, desenvolvido em código aberto emitido sob o General Public License, e as tarefa aplicadas foram extração de regras de associação, e árvores de decisão com os algoritmos APRIORI e o J48GRAFT. Após a aplicação dos algoritmos foram extraídas várias regras, as mais relevantes foram à análise de que o conceito Regular, segundo a regra de associação, obteve a maior ocorrência dentre as instituições avaliadas no exame entre os anos de 2010 e 2013, e ainda, pode-se analisar que os melhores desempenhos foram alcançados pelos estados de Minas Gerais e Paraná, pertencentes a regiões do Sudeste e Sul. Junto a isso, com a aplicação do algoritmo foi possível dizer que as regiões, com exceção da região Sudeste e Sul, conseguiram conceitos Ruins no exame realizado, dentre os anos de 2010 e 2013. Nos estados Norte e Nordeste do país, pode-se concluir que há muitas deficiências que são refletidas nos desempenhos de baixo nível no exame, incluindo, algumas instituições públicas. Tendo o real conhecimento da qualidade educacional refletida pelos resultados do exame, tais órgãos responsáveis pelo Ensino Superior no Brasil, podem tirar proveito para construir novos métodos que levem as instituições de Ensino Superior, demonstrarem melhor qualidade, e principalmente, melhor desempenho em avaliações institucionais, em todo território nacional, a partir do conhecimento adquiro neste trabalho.
publishDate 2023
dc.date.none.fl_str_mv 2023-06-05T14:50:31Z
2023-06-05T14:50:31Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv SILVA, Francisco de Assis Oliveira. Técnicas de mineração de dados aplicadas à base de dados do exame nacional de desempenho dos estudantes. 2016. 84 f. Trabalho de Conclusão de Curso (Graduação em Computação) - Instituto do Noroeste Fluminense de Educação Superior, Universidade Federal Fluminense, Santo Antônio de Pádua, 2016.
http://app.uff.br/riuff/handle/1/29048
identifier_str_mv SILVA, Francisco de Assis Oliveira. Técnicas de mineração de dados aplicadas à base de dados do exame nacional de desempenho dos estudantes. 2016. 84 f. Trabalho de Conclusão de Curso (Graduação em Computação) - Instituto do Noroeste Fluminense de Educação Superior, Universidade Federal Fluminense, Santo Antônio de Pádua, 2016.
url http://app.uff.br/riuff/handle/1/29048
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv CC-BY-SA
info:eu-repo/semantics/openAccess
rights_invalid_str_mv CC-BY-SA
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)
instname:Universidade Federal Fluminense (UFF)
instacron:UFF
instname_str Universidade Federal Fluminense (UFF)
instacron_str UFF
institution UFF
reponame_str Repositório Institucional da Universidade Federal Fluminense (RIUFF)
collection Repositório Institucional da Universidade Federal Fluminense (RIUFF)
repository.name.fl_str_mv Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)
repository.mail.fl_str_mv riuff@id.uff.br
_version_ 1807838733012041728