Análise de Regressão Aplicada a Previsão de Reprovação de Alunos em Plataforma de Ensino a Distância
Autor(a) principal: | |
---|---|
Data de Publicação: | 2018 |
Outros Autores: | |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | Revista de Engenharia e Pesquisa Aplicada |
Texto Completo: | http://revistas.poli.br/index.php/repa/article/view/954 |
Resumo: | Um dos principais problemas enfrentados no Ensino a Distância são os riscos de reprovação e evasão de alunos. Com o objetivo de auxiliar Professores e gestores nessa modalidade de ensino, este trabalho demonstra resultados das aplicações práticas de técnicas estatísticas e mineração de dados para previsão de reprovação de Alunos através da Análise de Regressão Logística que demonstrou sua eficácia através de excelentes índices de desempenho em três modelos de dados utilizados, índices estes que foram considerados estatisticamente iguais através da Análise de Variância (ANOVA) aplicada ao comparar os índices de desempenho dos modelos de Regressão gerados. Através dos índices de significância das variáveis selecionadas em cada modelo é possível identificar os meios de interação que mais contribuem com o desempenho do aluno, auxiliando no combate a reprovação. |
id |
UFPE-2_e718313e7a5603c688ec18f8fb3ed385 |
---|---|
oai_identifier_str |
oai:ojs.poli.br:article/954 |
network_acronym_str |
UFPE-2 |
network_name_str |
Revista de Engenharia e Pesquisa Aplicada |
repository_id_str |
|
spelling |
Análise de Regressão Aplicada a Previsão de Reprovação de Alunos em Plataforma de Ensino a DistânciaUm dos principais problemas enfrentados no Ensino a Distância são os riscos de reprovação e evasão de alunos. Com o objetivo de auxiliar Professores e gestores nessa modalidade de ensino, este trabalho demonstra resultados das aplicações práticas de técnicas estatísticas e mineração de dados para previsão de reprovação de Alunos através da Análise de Regressão Logística que demonstrou sua eficácia através de excelentes índices de desempenho em três modelos de dados utilizados, índices estes que foram considerados estatisticamente iguais através da Análise de Variância (ANOVA) aplicada ao comparar os índices de desempenho dos modelos de Regressão gerados. Através dos índices de significância das variáveis selecionadas em cada modelo é possível identificar os meios de interação que mais contribuem com o desempenho do aluno, auxiliando no combate a reprovação.Escola Politécnica de Pernambuco2018-08-30info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdftext/htmlhttp://revistas.poli.br/index.php/repa/article/view/95410.25286/repa.v3i3.954Journal of Engineering and Applied Research; Vol 3 No 3 (2018): Edição Especial em Ciência de Dados e AnalyticsRevista de Engenharia e Pesquisa Aplicada; v. 3 n. 3 (2018): Edição Especial em Ciência de Dados e Analytics2525-425110.25286/repa.v3i3reponame:Revista de Engenharia e Pesquisa Aplicadainstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPEporhttp://revistas.poli.br/index.php/repa/article/view/954/445http://revistas.poli.br/index.php/repa/article/view/954/656Copyright (c) 2018 Journal of Engineering and Applied Researchinfo:eu-repo/semantics/openAccessAraújo, Francisco de Assis deRodrigues, Rodrigo Lins2021-07-13T08:41:53Zoai:ojs.poli.br:article/954Revistahttp://revistas.poli.br/index.php/repaONGhttp://revistas.poli.br/index.php/repa/oai||repa@poli.br2525-42512525-4251opendoar:2021-07-13T08:41:53Revista de Engenharia e Pesquisa Aplicada - Universidade Federal de Pernambuco (UFPE)false |
dc.title.none.fl_str_mv |
Análise de Regressão Aplicada a Previsão de Reprovação de Alunos em Plataforma de Ensino a Distância |
title |
Análise de Regressão Aplicada a Previsão de Reprovação de Alunos em Plataforma de Ensino a Distância |
spellingShingle |
Análise de Regressão Aplicada a Previsão de Reprovação de Alunos em Plataforma de Ensino a Distância Araújo, Francisco de Assis de |
title_short |
Análise de Regressão Aplicada a Previsão de Reprovação de Alunos em Plataforma de Ensino a Distância |
title_full |
Análise de Regressão Aplicada a Previsão de Reprovação de Alunos em Plataforma de Ensino a Distância |
title_fullStr |
Análise de Regressão Aplicada a Previsão de Reprovação de Alunos em Plataforma de Ensino a Distância |
title_full_unstemmed |
Análise de Regressão Aplicada a Previsão de Reprovação de Alunos em Plataforma de Ensino a Distância |
title_sort |
Análise de Regressão Aplicada a Previsão de Reprovação de Alunos em Plataforma de Ensino a Distância |
author |
Araújo, Francisco de Assis de |
author_facet |
Araújo, Francisco de Assis de Rodrigues, Rodrigo Lins |
author_role |
author |
author2 |
Rodrigues, Rodrigo Lins |
author2_role |
author |
dc.contributor.author.fl_str_mv |
Araújo, Francisco de Assis de Rodrigues, Rodrigo Lins |
description |
Um dos principais problemas enfrentados no Ensino a Distância são os riscos de reprovação e evasão de alunos. Com o objetivo de auxiliar Professores e gestores nessa modalidade de ensino, este trabalho demonstra resultados das aplicações práticas de técnicas estatísticas e mineração de dados para previsão de reprovação de Alunos através da Análise de Regressão Logística que demonstrou sua eficácia através de excelentes índices de desempenho em três modelos de dados utilizados, índices estes que foram considerados estatisticamente iguais através da Análise de Variância (ANOVA) aplicada ao comparar os índices de desempenho dos modelos de Regressão gerados. Através dos índices de significância das variáveis selecionadas em cada modelo é possível identificar os meios de interação que mais contribuem com o desempenho do aluno, auxiliando no combate a reprovação. |
publishDate |
2018 |
dc.date.none.fl_str_mv |
2018-08-30 |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://revistas.poli.br/index.php/repa/article/view/954 10.25286/repa.v3i3.954 |
url |
http://revistas.poli.br/index.php/repa/article/view/954 |
identifier_str_mv |
10.25286/repa.v3i3.954 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
http://revistas.poli.br/index.php/repa/article/view/954/445 http://revistas.poli.br/index.php/repa/article/view/954/656 |
dc.rights.driver.fl_str_mv |
Copyright (c) 2018 Journal of Engineering and Applied Research info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Copyright (c) 2018 Journal of Engineering and Applied Research |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf text/html |
dc.publisher.none.fl_str_mv |
Escola Politécnica de Pernambuco |
publisher.none.fl_str_mv |
Escola Politécnica de Pernambuco |
dc.source.none.fl_str_mv |
Journal of Engineering and Applied Research; Vol 3 No 3 (2018): Edição Especial em Ciência de Dados e Analytics Revista de Engenharia e Pesquisa Aplicada; v. 3 n. 3 (2018): Edição Especial em Ciência de Dados e Analytics 2525-4251 10.25286/repa.v3i3 reponame:Revista de Engenharia e Pesquisa Aplicada instname:Universidade Federal de Pernambuco (UFPE) instacron:UFPE |
instname_str |
Universidade Federal de Pernambuco (UFPE) |
instacron_str |
UFPE |
institution |
UFPE |
reponame_str |
Revista de Engenharia e Pesquisa Aplicada |
collection |
Revista de Engenharia e Pesquisa Aplicada |
repository.name.fl_str_mv |
Revista de Engenharia e Pesquisa Aplicada - Universidade Federal de Pernambuco (UFPE) |
repository.mail.fl_str_mv |
||repa@poli.br |
_version_ |
1798035999718113280 |