Utilizando comitês de classificadores para predição de rendimento escolar
Autor(a) principal: | |
---|---|
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 |