Sistemática para previsão de desempenho discente balizada por técnicas de regressão

• Autor(a) principal: Meneghini, Maximilianno
• Data de Publicação: 2017
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UFRGS
• Texto Completo: http://hdl.handle.net/10183/170242
• topic: Engenharia de produção; Online education; Partial Least Squares Regression (PLS); Principal Component Regression (PCR); Regression (MLR); Multivariate analysis tools; Preparatory courses

O ingresso a universidades no Brasil dá-se principalmente através de uma prova unificada, que demanda dos candidatos aptidão em múltiplas áreas de conhecimento. Visando a melhorar suas chances de entrada, alunos recorrem, com frequência, aos chamados cursos preparatórios, ou pré-vestibulares, como são popularmente conhecidos. Este artigo propõe uma sistemática para previsão de desempenho discente na prova nacional unificada, aplicando ferramentas de regressão e análise multivariada a um banco de dados coletados de uma empresa de educação online de Porto Alegre. Número de aulas assistidas, exercícios resolvidos e simulados submetidos pelos alunos estão entre as variáveis analisadas. Foram testadas três técnicas de regressão para realização das predições: Regressão Linear Múltipla (MLR), Regressão por Componentes Principais (PCR) e Regressão por Mínimos Quadrados Parciais (PLS). Através da análise do erro percentual de predição gerado pelas ferramentas utilizadas em uma validação cruzada, concluiu-se que a MLR possui a melhor capacidade preditiva, com erro percentual médio de 13,04%. Observando as equações construídas pela metodologia, foi possível, ainda, identificar tendências entre as variáveis e o impacto causado por elas no desempenho final dos estudantes.