Análise preditiva do desempenho acadêmico de alunos de graduação da UnB utilizando mineração de dados

Detalhes bibliográficos
Autor(a) principal: Silva, Gabriel Ferreira
Data de Publicação: 2017
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Biblioteca Digital de Monografias da UnB
Texto Completo: http://bdm.unb.br/handle/10483/17910
Resumo: Trabalho de conclusão de curso (graduação)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2017.
id UNB-2_60c89ef76289cc226070e69fc349df65
oai_identifier_str oai:bdm.unb.br:10483/17910
network_acronym_str UNB-2
network_name_str Biblioteca Digital de Monografias da UnB
repository_id_str 11571
spelling Silva, Gabriel FerreiraLadeira, MarceloSILVA, Gabriel Ferreira. Análise preditiva do desempenho acadêmico de alunos de graduação da UnB utilizando mineração de dados. 2017. xi, 52 f., il. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação)—Universidade de Brasília, Brasília, 2017.http://bdm.unb.br/handle/10483/17910Trabalho de conclusão de curso (graduação)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2017.A evasão de alunos de graduação na Universidade de Brasília (UnB) traz consequências acadêmicas, sociais e econômicas negativas. A UnB notifica aqueles alunos que estão em risco de serem desligados e que precisam cumprir condição para evitar o desligamento. Esses alunos em condição estabelecem um plano que devem cumprir, sob a orientação de um docente do curso do aluno. Pensando em melhorar tal abordagem, a pesquisa em questão objetiva a concepção de um sistema previsor capaz de indicar quais alunos estão com maior risco de não conseguirem formar. Desse modo, o sistema permitiria a UnB agir antes de um aluno entrar em condição e agir de acordo com o risco de evasão apresentado por cada aluno. Para o desenvolvimento do sistema previsor, dados descaracterizados de alunos de graduação de cursos da área de computação que ingressaram de 2000 até 2016 e já saíram da universidade foram utilizados. Algoritmos de aprendizagem de máquina foram usados (Naive Bayes, ANN, SVR, Regressor Linear e Random Forests) para induzir modelos que tiveram seu desempenho analisado. Os modelos obtidos testados tiveram, em geral, bom desempenho. O melhor desempenho foi para modelos induzidos com regressão linear. Os resultados obtidos apontam a viabilidade da utilização de mineração de dados para análise preditiva de alunos em risco de evasão na UnB nos cursos da área de computação. Como a metodologia utilizada não empregou nenhum conceito específico dessa área do conhecimento, pode-se usá-la para outros cursos de graduação da UnB.Submitted by Patricia Souza da Silva (patriciasilva@bce.unb.br) on 2017-08-14T18:33:27Z No. of bitstreams: 3 license_text: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) 2017_GabrielFerreiraSilva_tcc.pdf: 4616538 bytes, checksum: 8f09eff6c898c319dd2dfd390f06cf57 (MD5)Approved for entry into archive by Luanna Maia (luanna@bce.unb.br) on 2017-08-22T15:29:34Z (GMT) No. of bitstreams: 3 license_text: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) 2017_GabrielFerreiraSilva_tcc.pdf: 4616538 bytes, checksum: 8f09eff6c898c319dd2dfd390f06cf57 (MD5)Made available in DSpace on 2017-08-22T15:29:34Z (GMT). No. of bitstreams: 3 license_text: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) 2017_GabrielFerreiraSilva_tcc.pdf: 4616538 bytes, checksum: 8f09eff6c898c319dd2dfd390f06cf57 (MD5)The University of Brasília (UnB) suffers from a problem of student drop out, which has academic, economic and social negative consequences. UnB notifies its students that are in risk of dropping out and need to fulfill conditions to avoid dropping out. This students in conditions establish a plan they must accomplish, under the guidance of a professor of the same course of the student. The goal of the present research is the development of a predictive system capable of indicating the risk of a student dropping out. This way, UnB could act before it’s became late and also act according to the risk presented by a student. For the development of the predictive system, data of undergraduate students from computer science related courses that entered and left UnB from 2000 to 2016 were used. The data do not contain student identification. Machine learning algorithms were used and their performance was evaluated. Algorithms included were Naive Bayes, ANN, SVR, Linear Regressor and Random Forests). Machine learning algorithms got, in general, good performance. The best performance came from the linear regressor. Results obtained indicate potential in using machine learning to predict the risk of students dropping out of university for the courses related to computer science. Because the methodology did not use any concept from this area of knowledge, this approach can be used for other courses.Mineração de dadosAlgoritmos de computadorAnálise preditiva do desempenho acadêmico de alunos de graduação da UnB utilizando mineração de dadosinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesis2017-08-22T15:29:34Z2017-08-22T15:29:34Z2017-07-14info:eu-repo/semantics/openAccessporreponame:Biblioteca Digital de Monografias da UnBinstname:Universidade de Brasília (UnB)instacron:UNBORIGINAL2017_GabrielFerreiraSilva_tcc.pdf2017_GabrielFerreiraSilva_tcc.pdfapplication/pdf4616538http://bdm.unb.br/xmlui/bitstream/10483/17910/1/2017_GabrielFerreiraSilva_tcc.pdf8f09eff6c898c319dd2dfd390f06cf57MD51CC-LICENSElicense_urllicense_urltext/plain49http://bdm.unb.br/xmlui/bitstream/10483/17910/2/license_url4afdbb8c545fd630ea7db775da747b2fMD52license_textlicense_textapplication/octet-stream0http://bdm.unb.br/xmlui/bitstream/10483/17910/3/license_textd41d8cd98f00b204e9800998ecf8427eMD53license_rdflicense_rdfapplication/octet-stream0http://bdm.unb.br/xmlui/bitstream/10483/17910/4/license_rdfd41d8cd98f00b204e9800998ecf8427eMD54LICENSElicense.txtlicense.txttext/plain1817http://bdm.unb.br/xmlui/bitstream/10483/17910/5/license.txt21554873e56ad8ddc69c092699b98f95MD5510483/179102017-08-22 12:29:34.512oai:bdm.unb.br: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Biblioteca Digital de Monografiahttps://bdm.unb.br/PUBhttp://bdm.unb.br/oai/requestbdm@bce.unb.br||patricia@bce.unb.bropendoar:115712017-08-22T15:29:34Biblioteca Digital de Monografias da UnB - Universidade de Brasília (UnB)false
dc.title.pt_BR.fl_str_mv Análise preditiva do desempenho acadêmico de alunos de graduação da UnB utilizando mineração de dados
title Análise preditiva do desempenho acadêmico de alunos de graduação da UnB utilizando mineração de dados
spellingShingle Análise preditiva do desempenho acadêmico de alunos de graduação da UnB utilizando mineração de dados
Silva, Gabriel Ferreira
Mineração de dados
Algoritmos de computador
title_short Análise preditiva do desempenho acadêmico de alunos de graduação da UnB utilizando mineração de dados
title_full Análise preditiva do desempenho acadêmico de alunos de graduação da UnB utilizando mineração de dados
title_fullStr Análise preditiva do desempenho acadêmico de alunos de graduação da UnB utilizando mineração de dados
title_full_unstemmed Análise preditiva do desempenho acadêmico de alunos de graduação da UnB utilizando mineração de dados
title_sort Análise preditiva do desempenho acadêmico de alunos de graduação da UnB utilizando mineração de dados
author Silva, Gabriel Ferreira
author_facet Silva, Gabriel Ferreira
author_role author
dc.contributor.author.fl_str_mv Silva, Gabriel Ferreira
dc.contributor.advisor1.fl_str_mv Ladeira, Marcelo
contributor_str_mv Ladeira, Marcelo
dc.subject.keyword.pt_BR.fl_str_mv Mineração de dados
Algoritmos de computador
topic Mineração de dados
Algoritmos de computador
description Trabalho de conclusão de curso (graduação)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2017.
publishDate 2017
dc.date.submitted.none.fl_str_mv 2017-07-14
dc.date.accessioned.fl_str_mv 2017-08-22T15:29:34Z
dc.date.available.fl_str_mv 2017-08-22T15:29:34Z
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.citation.fl_str_mv SILVA, Gabriel Ferreira. Análise preditiva do desempenho acadêmico de alunos de graduação da UnB utilizando mineração de dados. 2017. xi, 52 f., il. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação)—Universidade de Brasília, Brasília, 2017.
dc.identifier.uri.fl_str_mv http://bdm.unb.br/handle/10483/17910
identifier_str_mv SILVA, Gabriel Ferreira. Análise preditiva do desempenho acadêmico de alunos de graduação da UnB utilizando mineração de dados. 2017. xi, 52 f., il. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação)—Universidade de Brasília, Brasília, 2017.
url http://bdm.unb.br/handle/10483/17910
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.source.none.fl_str_mv reponame:Biblioteca Digital de Monografias da UnB
instname:Universidade de Brasília (UnB)
instacron:UNB
instname_str Universidade de Brasília (UnB)
instacron_str UNB
institution UNB
reponame_str Biblioteca Digital de Monografias da UnB
collection Biblioteca Digital de Monografias da UnB
bitstream.url.fl_str_mv http://bdm.unb.br/xmlui/bitstream/10483/17910/1/2017_GabrielFerreiraSilva_tcc.pdf
http://bdm.unb.br/xmlui/bitstream/10483/17910/2/license_url
http://bdm.unb.br/xmlui/bitstream/10483/17910/3/license_text
http://bdm.unb.br/xmlui/bitstream/10483/17910/4/license_rdf
http://bdm.unb.br/xmlui/bitstream/10483/17910/5/license.txt
bitstream.checksum.fl_str_mv 8f09eff6c898c319dd2dfd390f06cf57
4afdbb8c545fd630ea7db775da747b2f
d41d8cd98f00b204e9800998ecf8427e
d41d8cd98f00b204e9800998ecf8427e
21554873e56ad8ddc69c092699b98f95
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Monografias da UnB - Universidade de Brasília (UnB)
repository.mail.fl_str_mv bdm@bce.unb.br||patricia@bce.unb.br
_version_ 1801493039579922432

Registros relacionados