Mineração de Dados Educacionais: um estudo da evasão no ensino médio com base nos indicadores do Censo Escolar

Detalhes bibliográficos
Autor(a) principal: Colpani, Rogério
Data de Publicação: 2018
Tipo de documento: Artigo
Idioma: por
Título da fonte: Informática na Educação: teoria & prática
Texto Completo: https://seer.ufrgs.br/index.php/InfEducTeoriaPratica/article/view/87880
Resumo: O emprego de técnicas de Mineração de Dados proporciona obter conhecimentos úteis com o intuito de melhorar a proposta educacional. Com o uso dos indicadores educacionais disponibilizados pelo INEP e utilizando a metodologia CRISP-DM, foram aplicadas as técnicas de correlação e regressão linear a fim de analisar as variáveis que se relacionam com a evasão escolar. Como resultados, foi possível verificar que a taxa de distorção idade-série apresentou a maior correlação positiva, sendo r=0,59. Em seguida, foi obtido o modelo preditivo no qual o resultado da Raiz do Erro Médio Quadrático foi de 5.06. Contudo, pode-se verificar que a Mineração de Dados Educacionais pode ser aplicada para exploração dos dados e gerar conhecimento de modo a servir como auxílio para soluções de problemas e suporte a mecanismos em apoio ao ensino.
id UFRGS-7_b0f12d1047eaee2e42176050ad9274f0
oai_identifier_str oai:seer.ufrgs.br:article/87880
network_acronym_str UFRGS-7
network_name_str Informática na Educação: teoria & prática
repository_id_str
spelling Mineração de Dados Educacionais: um estudo da evasão no ensino médio com base nos indicadores do Censo EscolarMineração de DadosEvasãoDescoberta de Conhecimento em Base de DadosMineração de Dados EducacionaisO emprego de técnicas de Mineração de Dados proporciona obter conhecimentos úteis com o intuito de melhorar a proposta educacional. Com o uso dos indicadores educacionais disponibilizados pelo INEP e utilizando a metodologia CRISP-DM, foram aplicadas as técnicas de correlação e regressão linear a fim de analisar as variáveis que se relacionam com a evasão escolar. Como resultados, foi possível verificar que a taxa de distorção idade-série apresentou a maior correlação positiva, sendo r=0,59. Em seguida, foi obtido o modelo preditivo no qual o resultado da Raiz do Erro Médio Quadrático foi de 5.06. Contudo, pode-se verificar que a Mineração de Dados Educacionais pode ser aplicada para exploração dos dados e gerar conhecimento de modo a servir como auxílio para soluções de problemas e suporte a mecanismos em apoio ao ensino.Universidade Federal do Rio Grande do Sul2018-12-31info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionMétodos Quantitativos e Descritivosapplication/pdfhttps://seer.ufrgs.br/index.php/InfEducTeoriaPratica/article/view/8788010.22456/1982-1654.87880Computers in education: theory & practice; Vol. 21 No. 3 (2018): Processo Ensino-Aprendizagem, Mineração de Dados Educacionais, Recursos EducacionaisInformática na educação: teoria & prática; v. 21 n. 3 (2018): Processo Ensino-Aprendizagem, Mineração de Dados Educacionais, Recursos Educacionais1982-16541516-084Xreponame:Informática na Educação: teoria & práticainstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSporhttps://seer.ufrgs.br/index.php/InfEducTeoriaPratica/article/view/87880/52130Copyright (c) 2019 Informática na educação: teoria & práticainfo:eu-repo/semantics/openAccessColpani, Rogério2022-01-06T18:27:23Zoai:seer.ufrgs.br:article/87880Revistahttps://seer.ufrgs.br/InfEducTeoriaPraticaPUBhttps://seer.ufrgs.br/InfEducTeoriaPratica/oai||revista@pgie.ufrgs.br1982-16541516-084Xopendoar:2022-01-06T18:27:23Informática na Educação: teoria & prática - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.none.fl_str_mv Mineração de Dados Educacionais: um estudo da evasão no ensino médio com base nos indicadores do Censo Escolar
title Mineração de Dados Educacionais: um estudo da evasão no ensino médio com base nos indicadores do Censo Escolar
spellingShingle Mineração de Dados Educacionais: um estudo da evasão no ensino médio com base nos indicadores do Censo Escolar
Colpani, Rogério
Mineração de Dados
Evasão
Descoberta de Conhecimento em Base de Dados
Mineração de Dados Educacionais
title_short Mineração de Dados Educacionais: um estudo da evasão no ensino médio com base nos indicadores do Censo Escolar
title_full Mineração de Dados Educacionais: um estudo da evasão no ensino médio com base nos indicadores do Censo Escolar
title_fullStr Mineração de Dados Educacionais: um estudo da evasão no ensino médio com base nos indicadores do Censo Escolar
title_full_unstemmed Mineração de Dados Educacionais: um estudo da evasão no ensino médio com base nos indicadores do Censo Escolar
title_sort Mineração de Dados Educacionais: um estudo da evasão no ensino médio com base nos indicadores do Censo Escolar
author Colpani, Rogério
author_facet Colpani, Rogério
author_role author
dc.contributor.author.fl_str_mv Colpani, Rogério
dc.subject.por.fl_str_mv Mineração de Dados
Evasão
Descoberta de Conhecimento em Base de Dados
Mineração de Dados Educacionais
topic Mineração de Dados
Evasão
Descoberta de Conhecimento em Base de Dados
Mineração de Dados Educacionais
description O emprego de técnicas de Mineração de Dados proporciona obter conhecimentos úteis com o intuito de melhorar a proposta educacional. Com o uso dos indicadores educacionais disponibilizados pelo INEP e utilizando a metodologia CRISP-DM, foram aplicadas as técnicas de correlação e regressão linear a fim de analisar as variáveis que se relacionam com a evasão escolar. Como resultados, foi possível verificar que a taxa de distorção idade-série apresentou a maior correlação positiva, sendo r=0,59. Em seguida, foi obtido o modelo preditivo no qual o resultado da Raiz do Erro Médio Quadrático foi de 5.06. Contudo, pode-se verificar que a Mineração de Dados Educacionais pode ser aplicada para exploração dos dados e gerar conhecimento de modo a servir como auxílio para soluções de problemas e suporte a mecanismos em apoio ao ensino.
publishDate 2018
dc.date.none.fl_str_mv 2018-12-31
dc.type.driver.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
Métodos Quantitativos e Descritivos
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://seer.ufrgs.br/index.php/InfEducTeoriaPratica/article/view/87880
10.22456/1982-1654.87880
url https://seer.ufrgs.br/index.php/InfEducTeoriaPratica/article/view/87880
identifier_str_mv 10.22456/1982-1654.87880
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://seer.ufrgs.br/index.php/InfEducTeoriaPratica/article/view/87880/52130
dc.rights.driver.fl_str_mv Copyright (c) 2019 Informática na educação: teoria & prática
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Copyright (c) 2019 Informática na educação: teoria & prática
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Federal do Rio Grande do Sul
publisher.none.fl_str_mv Universidade Federal do Rio Grande do Sul
dc.source.none.fl_str_mv Computers in education: theory & practice; Vol. 21 No. 3 (2018): Processo Ensino-Aprendizagem, Mineração de Dados Educacionais, Recursos Educacionais
Informática na educação: teoria & prática; v. 21 n. 3 (2018): Processo Ensino-Aprendizagem, Mineração de Dados Educacionais, Recursos Educacionais
1982-1654
1516-084X
reponame:Informática na Educação: teoria & prática
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Informática na Educação: teoria & prática
collection Informática na Educação: teoria & prática
repository.name.fl_str_mv Informática na Educação: teoria & prática - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv ||revista@pgie.ufrgs.br
_version_ 1799766183664156672

Registros relacionados