Utilizando comitês de classificadores para predição de rendimento escolar

Detalhes bibliográficos
Autor(a) principal: Nogueira, Priscilla Suene de Santana
Data de Publicação: 2015
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFRN
Texto Completo: https://repositorio.ufrn.br/jspui/handle/123456789/19928
Resumo: A mineração de dados educacionais (MDE) é um domínio de aplicação na área de Inteligência artificial que tem sido bastante explorado na atualidade. Os avanços tecnológicos e em especial, a crescente utilização dos ambientes virtuais de aprendizagem têm permitido a geração de consideráveis quantidades de dados a serem investigados. Dentre as atividades a serem tratadas nesse contexto está a predição de rendimento escolar de estudantes, a qual pode ser realizada através do emprego de técnicas de aprendizado de máquina. Tais técnicas podem ser utilizadas para classificação dos estudantes em rótulos previamente definidos. Uma das estratégias para aplicação dessas técnicas consiste em combiná-las no projeto de sistemas multiclassificadores, cuja eficiência pode ser comprovada por resultados já alcançados em outros trabalhos realizados em diversas áreas, tais como: medicina, comércio e biometria. Os dados utilizados nos experimentos foram obtidos por meio das interações entre estudantes em um dos mais utilizados ambientes virtuais de aprendizagem denominado moodle. Diante desse breve panorama, o presente trabalho apresenta resultados de diversos experimentos que incluem o emprego de sistemas multiclassifcadores específicos, denominados comitês de classificadores, desse modo visando alcançar melhores resultados na predição de rendimento escolar, ou seja, na busca por maiores percentuais de acurácia na classificação dos estudantes; apresentando uma significativa exploração de dados educacionais e análises relevantes advindas desses experimentos.
id UFRN_d0ab7dae062683346a0d5722abc8965c
oai_identifier_str oai:https://repositorio.ufrn.br:123456789/19928
network_acronym_str UFRN
network_name_str Repositório Institucional da UFRN
repository_id_str
spelling Nogueira, Priscilla Suene de Santanahttp://lattes.cnpq.br/4408967829407525http://lattes.cnpq.br/1357887401899097Andrade, Adja Ferreira dehttp://lattes.cnpq.br/3992106322474895Campos, André Mauricio Cunhahttp://lattes.cnpq.br/7154508093406987Santos, Araken de Medeiroshttp://lattes.cnpq.br/8059198436766378Canuto, Anne Magaly de Paula2016-03-03T22:56:49Z2016-03-03T22:56:49Z2015-02-06NOGUEIRA, Priscilla Suene de Santana. Utilizando comitês de classificadores para predição de rendimento escolar. 2015. 160f. Dissertação (Mestrado em Sistemas e Computação) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2015.https://repositorio.ufrn.br/jspui/handle/123456789/19928A mineração de dados educacionais (MDE) é um domínio de aplicação na área de Inteligência artificial que tem sido bastante explorado na atualidade. Os avanços tecnológicos e em especial, a crescente utilização dos ambientes virtuais de aprendizagem têm permitido a geração de consideráveis quantidades de dados a serem investigados. Dentre as atividades a serem tratadas nesse contexto está a predição de rendimento escolar de estudantes, a qual pode ser realizada através do emprego de técnicas de aprendizado de máquina. Tais técnicas podem ser utilizadas para classificação dos estudantes em rótulos previamente definidos. Uma das estratégias para aplicação dessas técnicas consiste em combiná-las no projeto de sistemas multiclassificadores, cuja eficiência pode ser comprovada por resultados já alcançados em outros trabalhos realizados em diversas áreas, tais como: medicina, comércio e biometria. Os dados utilizados nos experimentos foram obtidos por meio das interações entre estudantes em um dos mais utilizados ambientes virtuais de aprendizagem denominado moodle. Diante desse breve panorama, o presente trabalho apresenta resultados de diversos experimentos que incluem o emprego de sistemas multiclassifcadores específicos, denominados comitês de classificadores, desse modo visando alcançar melhores resultados na predição de rendimento escolar, ou seja, na busca por maiores percentuais de acurácia na classificação dos estudantes; apresentando uma significativa exploração de dados educacionais e análises relevantes advindas desses experimentos.Educational Data Mining is an application domain in artificial intelligence area that has been extensively explored nowadays. Technological advances and in particular, the increasing use of virtual learning environments have allowed the generation of considerable amounts of data to be investigated. Among the activities to be treated in this context exists the prediction of school performance of the students, which can be accomplished through the use of machine learning techniques. Such techniques may be used for student’s classification in predefined labels. One of the strategies to apply these techniques consists in their combination to design multi-classifier systems, which efficiency can be proven by results achieved in other studies conducted in several areas, such as medicine, commerce and biometrics. The data used in the experiments were obtained from the interactions between students in one of the most used virtual learning environments called Moodle. In this context, this paper presents the results of several experiments that include the use of specific multi-classifier systems systems, called ensembles, aiming to reach better results in school performance prediction that is, searching for highest accuracy percentage in the student’s classification. Therefore, this paper presents a significant exploration of educational data and it shows analyzes of relevant results about these experiments.porUniversidade Federal do Rio Grande do NortePROGRAMA DE PÓS-GRADUAÇÃO EM SISTEMAS E COMPUTAÇÃOUFRNBrasilCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAOMineração de dados educacionaisComitês de classificadoresMoodleUtilizando comitês de classificadores para predição de rendimento escolarinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRNinstname:Universidade Federal do Rio Grande do Norte (UFRN)instacron:UFRNORIGINALPriscillaSueneDeSantanaNogueira_DISSERT.pdfPriscillaSueneDeSantanaNogueira_DISSERT.pdfapplication/pdf2985043https://repositorio.ufrn.br/bitstream/123456789/19928/1/PriscillaSueneDeSantanaNogueira_DISSERT.pdf55f6b812f6422514dc3150c23a8d473dMD51TEXTPriscillaSueneDeSantanaNogueira_DISSERT.pdf.txtPriscillaSueneDeSantanaNogueira_DISSERT.pdf.txtExtracted texttext/plain272045https://repositorio.ufrn.br/bitstream/123456789/19928/6/PriscillaSueneDeSantanaNogueira_DISSERT.pdf.txtaba2734d0bb35fc68e9854888d3a0d57MD56THUMBNAILPriscillaSueneDeSantanaNogueira_DISSERT.pdf.jpgPriscillaSueneDeSantanaNogueira_DISSERT.pdf.jpgIM Thumbnailimage/jpeg2874https://repositorio.ufrn.br/bitstream/123456789/19928/7/PriscillaSueneDeSantanaNogueira_DISSERT.pdf.jpg746e3d2f867f6afe13b2ffdb7f78027aMD57123456789/199282017-11-02 13:49:15.785oai:https://repositorio.ufrn.br:123456789/19928Repositório de PublicaçõesPUBhttp://repositorio.ufrn.br/oai/opendoar:2017-11-02T16:49:15Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)false
dc.title.pt_BR.fl_str_mv Utilizando comitês de classificadores para predição de rendimento escolar
title Utilizando comitês de classificadores para predição de rendimento escolar
spellingShingle Utilizando comitês de classificadores para predição de rendimento escolar
Nogueira, Priscilla Suene de Santana
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO
Mineração de dados educacionais
Comitês de classificadores
Moodle
title_short Utilizando comitês de classificadores para predição de rendimento escolar
title_full Utilizando comitês de classificadores para predição de rendimento escolar
title_fullStr Utilizando comitês de classificadores para predição de rendimento escolar
title_full_unstemmed Utilizando comitês de classificadores para predição de rendimento escolar
title_sort Utilizando comitês de classificadores para predição de rendimento escolar
author Nogueira, Priscilla Suene de Santana
author_facet Nogueira, Priscilla Suene de Santana
author_role author
dc.contributor.authorID.pt_BR.fl_str_mv
dc.contributor.authorLattes.none.fl_str_mv http://lattes.cnpq.br/4408967829407525
dc.contributor.advisorID.pt_BR.fl_str_mv
dc.contributor.advisorLattes.none.fl_str_mv http://lattes.cnpq.br/1357887401899097
dc.contributor.referees1.none.fl_str_mv Andrade, Adja Ferreira de
dc.contributor.referees1ID.pt_BR.fl_str_mv
dc.contributor.referees1Lattes.none.fl_str_mv http://lattes.cnpq.br/3992106322474895
dc.contributor.referees2.none.fl_str_mv Campos, André Mauricio Cunha
dc.contributor.referees2ID.pt_BR.fl_str_mv
dc.contributor.referees2Lattes.none.fl_str_mv http://lattes.cnpq.br/7154508093406987
dc.contributor.referees3.none.fl_str_mv Santos, Araken de Medeiros
dc.contributor.referees3ID.pt_BR.fl_str_mv
dc.contributor.referees3Lattes.none.fl_str_mv http://lattes.cnpq.br/8059198436766378
dc.contributor.author.fl_str_mv Nogueira, Priscilla Suene de Santana
dc.contributor.advisor1.fl_str_mv Canuto, Anne Magaly de Paula
contributor_str_mv Canuto, Anne Magaly de Paula
dc.subject.cnpq.fl_str_mv CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO
topic CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO
Mineração de dados educacionais
Comitês de classificadores
Moodle
dc.subject.por.fl_str_mv Mineração de dados educacionais
Comitês de classificadores
Moodle
description A mineração de dados educacionais (MDE) é um domínio de aplicação na área de Inteligência artificial que tem sido bastante explorado na atualidade. Os avanços tecnológicos e em especial, a crescente utilização dos ambientes virtuais de aprendizagem têm permitido a geração de consideráveis quantidades de dados a serem investigados. Dentre as atividades a serem tratadas nesse contexto está a predição de rendimento escolar de estudantes, a qual pode ser realizada através do emprego de técnicas de aprendizado de máquina. Tais técnicas podem ser utilizadas para classificação dos estudantes em rótulos previamente definidos. Uma das estratégias para aplicação dessas técnicas consiste em combiná-las no projeto de sistemas multiclassificadores, cuja eficiência pode ser comprovada por resultados já alcançados em outros trabalhos realizados em diversas áreas, tais como: medicina, comércio e biometria. Os dados utilizados nos experimentos foram obtidos por meio das interações entre estudantes em um dos mais utilizados ambientes virtuais de aprendizagem denominado moodle. Diante desse breve panorama, o presente trabalho apresenta resultados de diversos experimentos que incluem o emprego de sistemas multiclassifcadores específicos, denominados comitês de classificadores, desse modo visando alcançar melhores resultados na predição de rendimento escolar, ou seja, na busca por maiores percentuais de acurácia na classificação dos estudantes; apresentando uma significativa exploração de dados educacionais e análises relevantes advindas desses experimentos.
publishDate 2015
dc.date.issued.fl_str_mv 2015-02-06
dc.date.accessioned.fl_str_mv 2016-03-03T22:56:49Z
dc.date.available.fl_str_mv 2016-03-03T22:56:49Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv NOGUEIRA, Priscilla Suene de Santana. Utilizando comitês de classificadores para predição de rendimento escolar. 2015. 160f. Dissertação (Mestrado em Sistemas e Computação) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2015.
dc.identifier.uri.fl_str_mv https://repositorio.ufrn.br/jspui/handle/123456789/19928
identifier_str_mv NOGUEIRA, Priscilla Suene de Santana. Utilizando comitês de classificadores para predição de rendimento escolar. 2015. 160f. Dissertação (Mestrado em Sistemas e Computação) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2015.
url https://repositorio.ufrn.br/jspui/handle/123456789/19928
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.publisher.none.fl_str_mv Universidade Federal do Rio Grande do Norte
dc.publisher.program.fl_str_mv PROGRAMA DE PÓS-GRADUAÇÃO EM SISTEMAS E COMPUTAÇÃO
dc.publisher.initials.fl_str_mv UFRN
dc.publisher.country.fl_str_mv Brasil
publisher.none.fl_str_mv Universidade Federal do Rio Grande do Norte
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFRN
instname:Universidade Federal do Rio Grande do Norte (UFRN)
instacron:UFRN
instname_str Universidade Federal do Rio Grande do Norte (UFRN)
instacron_str UFRN
institution UFRN
reponame_str Repositório Institucional da UFRN
collection Repositório Institucional da UFRN
bitstream.url.fl_str_mv https://repositorio.ufrn.br/bitstream/123456789/19928/1/PriscillaSueneDeSantanaNogueira_DISSERT.pdf
https://repositorio.ufrn.br/bitstream/123456789/19928/6/PriscillaSueneDeSantanaNogueira_DISSERT.pdf.txt
https://repositorio.ufrn.br/bitstream/123456789/19928/7/PriscillaSueneDeSantanaNogueira_DISSERT.pdf.jpg
bitstream.checksum.fl_str_mv 55f6b812f6422514dc3150c23a8d473d
aba2734d0bb35fc68e9854888d3a0d57
746e3d2f867f6afe13b2ffdb7f78027a
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)
repository.mail.fl_str_mv
_version_ 1802117646651490304

Registros relacionados