Visualização exploratória e predição de desempenho de dados educacionais da Universidade de Brasília

Detalhes bibliográficos
Autor(a) principal: Pio, Pedro Borges
Data de Publicação: 2019
Outros Autores: Sodré, Igor Chaves
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Biblioteca Digital de Monografias da UnB
Texto Completo: https://bdm.unb.br/handle/10483/27592
Resumo: Trabalho de conclusão de curso (graduação)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2019.
id UNB-2_a4ad29dc735ec9005eaf50fb2b85be35
oai_identifier_str oai:bdm.unb.br:10483/27592
network_acronym_str UNB-2
network_name_str Biblioteca Digital de Monografias da UnB
repository_id_str 11571
spelling Pio, Pedro BorgesSodré, Igor ChavesBorges, Vinicius Ruela PereiraPIO, Pedro Borges; SODRÉ, Igor Chaves. Visualização exploratória e predição de desempenho de dados educacionais da Universidade de Brasília. 2019. 66 f., il. Trabalho de conclusão de curso (Bacharelado em Ciência da Computação)—Universidade de Brasília, Brasília, 2019.https://bdm.unb.br/handle/10483/27592Trabalho de conclusão de curso (graduação)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2019.Nas últimas décadas, a quantidade dados educacionais coletados por universidades tem aumen- tado. Com o auxílio das informações passíveis de serem extraídas desses dados, universidades podem melhorar a qualidade de ensino e o desempenho dos estudantes. Técnicas de visual- ização de informação podem ser úteis para a análise desses dados facilitando a descoberta de padrões e auxiliando universidades a tomar decisões. Em 2004, a Universidade de Brasília (UnB) começou a implementar um sistema de co- tas raciais no ingresso dos estudantes, separando parte das vagas para estudantes negros. A quantidade de dados gerados, referentes a esses estudantes nos últimos 15 anos, torna possível realizar uma comparação entre os estudantes cotistas de forma quantitativa e verificar diferenças em seus rendimentos acadêmicos. Neste trabalho, por meio da visualização exploratória foi realizada uma comparação entre os alunos cotistas e não cotistas da UnB. Técnicas de redução de dimensionalidade como PCA e t-SNE foram utilizadas para facilitar a visualização e separação dos estudantes em grupos. Uma ferramenta de visualização interativa também foi construída para prover informações de acordo com a necessidade do usuário. Além disso, foi desenvolvido um modelo de predição, utilizando os algoritmos K-NN e Gradient Boosting, para prever os alunos que estão com maior risco de abandonar o curso, provendo assim informações para a universidade, se possível.Submitted by Talles Brendo (170156583@aluno.unb.br) on 2021-05-04T13:40:35Z No. of bitstreams: 1 2019_IgorChavesSodre_PedroBorgesPio_tcc.pdf: 2332378 bytes, checksum: ff2e4a0845dd13d442f3e6dcc6471182 (MD5)Approved for entry into archive by Luanna Maia (luanna@bce.unb.br) on 2021-05-21T17:54:00Z (GMT) No. of bitstreams: 1 2019_IgorChavesSodre_PedroBorgesPio_tcc.pdf: 2332378 bytes, checksum: ff2e4a0845dd13d442f3e6dcc6471182 (MD5)Made available in DSpace on 2021-05-21T17:54:00Z (GMT). No. of bitstreams: 1 2019_IgorChavesSodre_PedroBorgesPio_tcc.pdf: 2332378 bytes, checksum: ff2e4a0845dd13d442f3e6dcc6471182 (MD5)In recent decades the amount of educational data collected by universities has increased. With the help of information that can be extracted from this data, universities can improve teach- ing quality and student performance. Information visualization techniques can be useful for analyzing this data by facilitating pattern discovery and helping universities make decisions. In 2004, the University of Brasilia (UnB) began implementing a quota system for student admission, separating part of the vacancies for black students. The amount of data generated for these students over the last 15 years makes it possible to perform a quantitative comparison between quota students and verify differences in their academic achievement. In this study, through visual data mining, a comparison between the quota and non-quota students was performed at UnB. Dimensionality reduction techniques such as PCA and t-SNE were used to facilitate visualization and separation of students into groups. An interactive vi- sualization tool has also been built to provide information according to the user’s need. In addition, a prediction model has been developed using the K-NN and Gradient Boosting to pre- dict students who are most likely to drop out, thus providing information to the university and, if possible, to avoid dropout.A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta.info:eu-repo/semantics/openAccessMineração de dadosCotas raciais - universidadesAprendizado de máquinaVisualização exploratória e predição de desempenho de dados educacionais da Universidade de Brasíliainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesis2021-05-21T17:54:00Z2021-05-21T17:54:00Z2019-08-29porreponame:Biblioteca Digital de Monografias da UnBinstname:Universidade de Brasília (UnB)instacron:UNBLICENSElicense.txtlicense.txttext/plain1817http://bdm.unb.br/xmlui/bitstream/10483/27592/2/license.txt21554873e56ad8ddc69c092699b98f95MD52ORIGINAL2019_IgorChavesSodre_PedroBorgesPio_tcc.pdf2019_IgorChavesSodre_PedroBorgesPio_tcc.pdfapplication/pdf2332378http://bdm.unb.br/xmlui/bitstream/10483/27592/1/2019_IgorChavesSodre_PedroBorgesPio_tcc.pdfff2e4a0845dd13d442f3e6dcc6471182MD5110483/275922021-05-21 14:54:00.219oai: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:115712021-05-21T17:54Biblioteca Digital de Monografias da UnB - Universidade de Brasília (UnB)false
dc.title.pt_BR.fl_str_mv Visualização exploratória e predição de desempenho de dados educacionais da Universidade de Brasília
title Visualização exploratória e predição de desempenho de dados educacionais da Universidade de Brasília
spellingShingle Visualização exploratória e predição de desempenho de dados educacionais da Universidade de Brasília
Pio, Pedro Borges
Mineração de dados
Cotas raciais - universidades
Aprendizado de máquina
title_short Visualização exploratória e predição de desempenho de dados educacionais da Universidade de Brasília
title_full Visualização exploratória e predição de desempenho de dados educacionais da Universidade de Brasília
title_fullStr Visualização exploratória e predição de desempenho de dados educacionais da Universidade de Brasília
title_full_unstemmed Visualização exploratória e predição de desempenho de dados educacionais da Universidade de Brasília
title_sort Visualização exploratória e predição de desempenho de dados educacionais da Universidade de Brasília
author Pio, Pedro Borges
author_facet Pio, Pedro Borges
Sodré, Igor Chaves
author_role author
author2 Sodré, Igor Chaves
author2_role author
dc.contributor.author.fl_str_mv Pio, Pedro Borges
Sodré, Igor Chaves
dc.contributor.advisor1.fl_str_mv Borges, Vinicius Ruela Pereira
contributor_str_mv Borges, Vinicius Ruela Pereira
dc.subject.keyword.pt_BR.fl_str_mv Mineração de dados
Cotas raciais - universidades
Aprendizado de máquina
topic Mineração de dados
Cotas raciais - universidades
Aprendizado de máquina
description Trabalho de conclusão de curso (graduação)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2019.
publishDate 2019
dc.date.submitted.none.fl_str_mv 2019-08-29
dc.date.accessioned.fl_str_mv 2021-05-21T17:54:00Z
dc.date.available.fl_str_mv 2021-05-21T17:54:00Z
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 PIO, Pedro Borges; SODRÉ, Igor Chaves. Visualização exploratória e predição de desempenho de dados educacionais da Universidade de Brasília. 2019. 66 f., il. Trabalho de conclusão de curso (Bacharelado em Ciência da Computação)—Universidade de Brasília, Brasília, 2019.
dc.identifier.uri.fl_str_mv https://bdm.unb.br/handle/10483/27592
identifier_str_mv PIO, Pedro Borges; SODRÉ, Igor Chaves. Visualização exploratória e predição de desempenho de dados educacionais da Universidade de Brasília. 2019. 66 f., il. Trabalho de conclusão de curso (Bacharelado em Ciência da Computação)—Universidade de Brasília, Brasília, 2019.
url https://bdm.unb.br/handle/10483/27592
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/10483/27592/2/license.txt
http://bdm.unb.br/xmlui/bitstream/10483/27592/1/2019_IgorChavesSodre_PedroBorgesPio_tcc.pdf
bitstream.checksum.fl_str_mv 21554873e56ad8ddc69c092699b98f95
ff2e4a0845dd13d442f3e6dcc6471182
bitstream.checksumAlgorithm.fl_str_mv 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_ 1813908043757256704

Registros relacionados