Estudo de caso para a predição de reprovação estudantil na disciplina de programação I: uma análise exploratória e aplicação de aprendizado de máquina

Detalhes bibliográficos
Autor(a) principal: Torres, Emanuel Túrmina
Data de Publicação: 2024
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFSC
Texto Completo: https://repositorio.ufsc.br/handle/123456789/255851
Resumo: TCC (graduação) - Universidade Federal de Santa Catarina, Campus Joinville, Engenharia Mecatrônica.
id UFSC_541cd836de1908b814c689268ca513a1
oai_identifier_str oai:repositorio.ufsc.br:123456789/255851
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str 2373
spelling Estudo de caso para a predição de reprovação estudantil na disciplina de programação I: uma análise exploratória e aplicação de aprendizado de máquinaModelo preditivoMineração de dados educacionaisReprovação escolarPredictive modelEducational data miningAcademic failureTCC (graduação) - Universidade Federal de Santa Catarina, Campus Joinville, Engenharia Mecatrônica.A retenção estudantil é uma preocupação crítica no ambiente acadêmico, com desafios complexos que afetam a trajetória educacional dos estudantes. A reprovação é uma das principais causas, e a intervenção precoce é apontada como uma estratégia eficaz na solução desse problema. Nesse contexto, propõe-se nesse trabalho a implementação de um modelo preditivo classificativo baseado em aprendizado de máquina destinado a antecipar o desempenho dos estudantes. O trabalho faz uso da mineração de dados educacionais a partir de relatórios obtidos do ambiente Moodle e do sistema acadêmico da UFSC. O método foi avaliado em uma disciplina de Programação I do CTJ, onde antecipou estudantes reprovados para 25%, 50%, 75% e 95% do semestre letivo, obtendo sensibilidade de 90,8%, 92,3%, 95,4% e 100% com LR, SVM, RNA e AD, respectivamente. Visando-se criar um algoritmo genérico, RNA foi selecionado por demonstrar uma sensibilidade média de 91,13% para os três primeiros períodos, conjunto de tempo no qual a intervenção por parte do professor é efetiva.Student retention is a critical concern in the academic environment, with complex challenges affecting students’ educational trajectories. Failure is one of the main causes, and early intervention is identified as an effective strategy in solving this problem. In this context, this paper proposes the implementation of a predictive classification model based on machine learning aimed at anticipating student performance. The work utilizes educational data mining from reports obtained from the Moodle environment and the academic system of UFSC. The method was evaluated in a Programming I course at CTJ, where it anticipated failing students for 25%, 50%, 75%, and 95% of the academic semester, achieving sensitivities of 90.8%, 92.3%, 95.4%, and 100% with LR, SVM, RNA, and AD, respectively. Aiming to create a generic algorithm, RNA was selected for demonstrating an average sensitivity of 91.13% for the first three periods, a time frame in which teacher intervention is effective.Joinville, SC.Moreira, Benjamin GrandoUniversidade Federal de Santa Catarina.Torres, Emanuel Túrmina2024-07-10T19:56:00Z2024-07-10T19:56:00Z2024-07-02info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesis69 f.application/pdfhttps://repositorio.ufsc.br/handle/123456789/255851Open Access.info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSC2024-07-10T19:56:01Zoai:repositorio.ufsc.br:123456789/255851Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestopendoar:23732024-07-10T19:56:01Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Estudo de caso para a predição de reprovação estudantil na disciplina de programação I: uma análise exploratória e aplicação de aprendizado de máquina
title Estudo de caso para a predição de reprovação estudantil na disciplina de programação I: uma análise exploratória e aplicação de aprendizado de máquina
spellingShingle Estudo de caso para a predição de reprovação estudantil na disciplina de programação I: uma análise exploratória e aplicação de aprendizado de máquina
Torres, Emanuel Túrmina
Modelo preditivo
Mineração de dados educacionais
Reprovação escolar
Predictive model
Educational data mining
Academic failure
title_short Estudo de caso para a predição de reprovação estudantil na disciplina de programação I: uma análise exploratória e aplicação de aprendizado de máquina
title_full Estudo de caso para a predição de reprovação estudantil na disciplina de programação I: uma análise exploratória e aplicação de aprendizado de máquina
title_fullStr Estudo de caso para a predição de reprovação estudantil na disciplina de programação I: uma análise exploratória e aplicação de aprendizado de máquina
title_full_unstemmed Estudo de caso para a predição de reprovação estudantil na disciplina de programação I: uma análise exploratória e aplicação de aprendizado de máquina
title_sort Estudo de caso para a predição de reprovação estudantil na disciplina de programação I: uma análise exploratória e aplicação de aprendizado de máquina
author Torres, Emanuel Túrmina
author_facet Torres, Emanuel Túrmina
author_role author
dc.contributor.none.fl_str_mv Moreira, Benjamin Grando
Universidade Federal de Santa Catarina.
dc.contributor.author.fl_str_mv Torres, Emanuel Túrmina
dc.subject.por.fl_str_mv Modelo preditivo
Mineração de dados educacionais
Reprovação escolar
Predictive model
Educational data mining
Academic failure
topic Modelo preditivo
Mineração de dados educacionais
Reprovação escolar
Predictive model
Educational data mining
Academic failure
description TCC (graduação) - Universidade Federal de Santa Catarina, Campus Joinville, Engenharia Mecatrônica.
publishDate 2024
dc.date.none.fl_str_mv 2024-07-10T19:56:00Z
2024-07-10T19:56:00Z
2024-07-02
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.ufsc.br/handle/123456789/255851
url https://repositorio.ufsc.br/handle/123456789/255851
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv Open Access.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Open Access.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 69 f.
application/pdf
dc.publisher.none.fl_str_mv Joinville, SC.
publisher.none.fl_str_mv Joinville, SC.
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv
_version_ 1808652220941467648

Registros relacionados