Redes neurais e análise multivariada : estudo e aplicação em classificação

Detalhes bibliográficos
Autor(a) principal: Steffen, Daniel
Data de Publicação: 2021
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da UFPR
Texto Completo: https://hdl.handle.net/1884/73611
Resumo: Orientador: Prof. Dr. Anselmo Chaves Neto
id UFPR_6d89f38fccb812dc8a02290dab841039
oai_identifier_str oai:acervodigital.ufpr.br:1884/73611
network_acronym_str UFPR
network_name_str Repositório Institucional da UFPR
repository_id_str 308
spelling Universidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Métodos Numéricos em EngenhariaChaves Neto, Anselmo, 1945-Steffen, Daniel2022-11-03T11:55:05Z2022-11-03T11:55:05Z2021https://hdl.handle.net/1884/73611Orientador: Prof. Dr. Anselmo Chaves NetoTese (doutorado) - Universidade Federal do Paraná, Setor de Tecnologia, Programa de Pós-Graduação em Métodos Numéricos em Engenharia. Defesa : Curitiba, 17/12/2021Inclui referências: p. 89-93Resumo: Este trabalho apresenta uma proposta para a avaliação dos Cursos de Pós-Graduação do Brasil utilizando critérios quantitativos. A metodologia de avalição proposta também pode ser utilizada em outras atividades em que se pretenda classificar indivíduos ou instituições por desempenho. O trabalho se refere à avaliação de Programas de Pós-Graduação em níveis de Mestrado e Doutorado acadêmico nas áreas de Engenharias III. A CAPES, órgão responsável pela avaliação do ensino de pós-graduação atribui nota/conceito de 2 a 7 aos Programas, seguindo critérios de análise que envolvem dados quantitativos de produção intelectual, bem como, critérios subjetivos, avaliando determinados aspectos dos Programas. A proposta deste trabalho é o desenvolvimento de uma metodologia quantitativa de classificação baseada em Métodos Multivariados e, especificamente, em Análise Fatorial que agrupe as instituições por similaridade utilizando apenas os dados quantitativos dos Programas. Para alcançar este objetivo, aplicou-se a técnica de Redes Neurais Artificiais chamada SOM (Self Organizing Maps), também conhecida por Mapas Auto-Organizáveis de Kohonen. A Análise Fatorial é a base do método desenvolvido e sua aplicação se dá em etapa anterior à aplicação do SOM a fim de utilizar os escores fatoriais das variáveis latentes como dados de entrada para o treinamento da rede. Assim, o mapa resultante apresentará o cluster/agrupamento de acordo com a eficiência apresentada na Análise Fatorial. São apresentados os resultados computacionais de ensaios realizados com a metodologia proposta, utilizando 35 variáveis quantitativas próprias da avaliação dos 92 Programas, da avaliação quadrienal (2013 - 2016), para agrupar os cursos similares em desempenho em seis clusters, os quais podem ser atribuídas as notas/conceitos de 2 a 7 de acordo com a classificação obtida.Abstract: This work presents a proposal for evaluating Postgraduate Courses in Brazil using quantitative criteria. The valuation methodology proposed can also be used in other activities where it is intended to rank institutions by performance. The work refers to the evaluation of Postgraduate Programs at Master's and Doctoral levels in the academic areas of Engineering III. The Coordination for the Improvement of Higher Education Personnel (CAPES), is the responsible for evaluating postgraduate education, assigns a grade/concept from 2 to 7 to the Programs, following analysis criteria that involve quantitative data on intellectual production, as well as subjective criteria, evaluating certain aspects of the Programs. The purpose of this work is to develop a quantitative classification methodology based on Multivariate Methods and, specifically, on Factor Analysis, which groups institutions by similarity using only quantitative data from the Programs. To achieve this goal, is applied the Artificial Neural Networks technique called SOM (Self Organizing Maps). Factor Analysis is the basis of the developed method and its application takes place before the application of the SOM in order to use the factor scores of the latent variables as input data for network training. Thus, the resulting map will present the cluster/grouping according to the efficiency presented in the Factor Analysis. The computational results of tests carried out with the proposed methodology are presented, using 35 quantitative variables specific to the evaluation of the 92 Programs, of the quadrennial evaluation (2013 - 2016), to group similar courses in performance into six clusters, which can be attributed to grades/concepts from 2 to 7 according to the classification obtained.1 recurso online : PDF.application/pdfRedes neurais (Computação)Mapas auto-organizáveisAnalise fatorialAnálise NuméricaRedes neurais e análise multivariada : estudo e aplicação em classificaçãoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisporreponame:Repositório Institucional da UFPRinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRinfo:eu-repo/semantics/openAccessORIGINALR - T - DANIEL STEFFEN.pdfapplication/pdf1688744https://acervodigital.ufpr.br/bitstream/1884/73611/1/R%20-%20T%20-%20DANIEL%20STEFFEN.pdfc6c02b7789e4b984f1bfd5a6e5673fadMD51open access1884/736112022-11-03 08:55:05.154open accessoai:acervodigital.ufpr.br:1884/73611Repositório de PublicaçõesPUBhttp://acervodigital.ufpr.br/oai/requestopendoar:3082022-11-03T11:55:05Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)false
dc.title.pt_BR.fl_str_mv Redes neurais e análise multivariada : estudo e aplicação em classificação
title Redes neurais e análise multivariada : estudo e aplicação em classificação
spellingShingle Redes neurais e análise multivariada : estudo e aplicação em classificação
Steffen, Daniel
Redes neurais (Computação)
Mapas auto-organizáveis
Analise fatorial
Análise Numérica
title_short Redes neurais e análise multivariada : estudo e aplicação em classificação
title_full Redes neurais e análise multivariada : estudo e aplicação em classificação
title_fullStr Redes neurais e análise multivariada : estudo e aplicação em classificação
title_full_unstemmed Redes neurais e análise multivariada : estudo e aplicação em classificação
title_sort Redes neurais e análise multivariada : estudo e aplicação em classificação
author Steffen, Daniel
author_facet Steffen, Daniel
author_role author
dc.contributor.other.pt_BR.fl_str_mv Universidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Métodos Numéricos em Engenharia
dc.contributor.advisor1.fl_str_mv Chaves Neto, Anselmo, 1945-
dc.contributor.author.fl_str_mv Steffen, Daniel
contributor_str_mv Chaves Neto, Anselmo, 1945-
dc.subject.por.fl_str_mv Redes neurais (Computação)
Mapas auto-organizáveis
Analise fatorial
Análise Numérica
topic Redes neurais (Computação)
Mapas auto-organizáveis
Analise fatorial
Análise Numérica
description Orientador: Prof. Dr. Anselmo Chaves Neto
publishDate 2021
dc.date.issued.fl_str_mv 2021
dc.date.accessioned.fl_str_mv 2022-11-03T11:55:05Z
dc.date.available.fl_str_mv 2022-11-03T11:55:05Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/1884/73611
url https://hdl.handle.net/1884/73611
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.format.none.fl_str_mv 1 recurso online : PDF.
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPR
instname:Universidade Federal do Paraná (UFPR)
instacron:UFPR
instname_str Universidade Federal do Paraná (UFPR)
instacron_str UFPR
institution UFPR
reponame_str Repositório Institucional da UFPR
collection Repositório Institucional da UFPR
bitstream.url.fl_str_mv https://acervodigital.ufpr.br/bitstream/1884/73611/1/R%20-%20T%20-%20DANIEL%20STEFFEN.pdf
bitstream.checksum.fl_str_mv c6c02b7789e4b984f1bfd5a6e5673fad
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)
repository.mail.fl_str_mv
_version_ 1813898806654140416

Registros relacionados