Análise de integridade de dados e desempenho em cursos online utilizando métodos de aprendizado de máquina

Detalhes bibliográficos
Autor(a) principal: Praciano, Flávio Garcia
Data de Publicação: 2023
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UnB
Texto Completo: http://repositorio2.unb.br/jspui/handle/10482/47960
Resumo: Dissertação (mestrado) — Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, Programa de Pós-Graduação em Engenharia Elétrica, 2023.
id UNB_4231df4aa67695a0e9a85002962f887e
oai_identifier_str oai:repositorio.unb.br:10482/47960
network_acronym_str UNB
network_name_str Repositório Institucional da UnB
repository_id_str
spelling Análise de integridade de dados e desempenho em cursos online utilizando métodos de aprendizado de máquinaAprendizagem móvelMineração de dados (Computação)Aprendizagem de máquinaDados abertosDissertação (mestrado) — Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, Programa de Pós-Graduação em Engenharia Elétrica, 2023.Este trabalho trata de uma pesquisa voltada para a análise da integridade de dados e do desempenho em cursos online, utilizando métodos de aprendizado de máquina. O objetivo principal é desenvolver uma ferramenta para prever o número de alunos que concluíram o curso e identificar possíveis casos de abandono ou desistência. Para alcançar esse propósito, foram empregados algoritmos de aprendizado de máquina supervisionados, como Support Vector Machine (SVM) e Redes Neurais Artificiais (ANNs), possibilitando uma análise detalhada e preditiva dos dados. A abordagem adotada nesta pesquisa foi bibliográfica e qualitativa, explorando informações de cursos online em bases abertas e utilizando técnicas de análise de dados. Os resultados obtidos por meio desses métodos de aprendizado de máquina permitiram a identificação de padrões e tendências nos dados, proporcionando uma compreensão mais profunda da integridade dos registros e do desempenho dos alunos. Com uma visão mais precisa do perfil dos alunos e dos desafios enfrentados, torna-se viável implementar estratégias proativas para aumentar a taxa de conclusão, aprimorar a oferta de cursos e proporcionar uma experiência de aprendizado mais satisfatória e eficaz. Os resultados apresentados têm relevância significativa, fornecendo uma clara contribuição para a tomada de decisões estratégicas por parte dos gestores educacionais e de recursos humanos. Essa abordagem culmina em uma melhor qualidade e efetividade da aprendizagem móvel em benefício dos alunos.This study focuses on research aimed at analyzing data integrity and performance in online courses using machine learning methods. The main objective is to develop a tool to predict the number of students who have completed the course and identify potential cases of abandonment or withdrawal. To achieve this goal, we used supervised machine learning algorithms such as SVM and ANNs, allowing a detailed and predictive data analysis. The approach taken in this research was bibliographic and qualitative, exploring information from online courses in open databases and using data analysis techniques. The results obtained through these machine learning methods enabled the identification of patterns and trends in the data, providing a deeper understanding of the integrity of the records and the performance of the students. With a clearer view of the students’ profile and the challenges faced, it is possible to implement proactive strategies to increase the completion rate, improve the course offerings, and provide a more satisfying and effective learning experience. The presented results are highly relevant and offer a clear contribution to strategic decision-making by educational and human resources managers. This approach leads to better quality and effectiveness of mobile learning for the benefit of students.Faculdade de Tecnologia (FT)Departamento de Engenharia Elétrica (FT ENE)Programa de Pós-Graduação em Engenharia Elétrica, Mestrado ProfissionalSilva, Daniel Alves daPraciano, Flávio Garcia2024-02-28T21:21:48Z2024-02-28T21:21:48Z2024-02-282023-07-28info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfPRACIANO, Flávio Garcia. Análise de integridade de dados e desempenho em cursos online utilizando métodos de aprendizado de máquina. 2023. xiv, 86 f., il. Dissertação (Mestrado Profissional em Engenharia Elétrica) — Universidade de Brasília, Brasília, 2023.http://repositorio2.unb.br/jspui/handle/10482/47960porA concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.unb.br, www.ibict.br, www.ndltd.org sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra supracitada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.info:eu-repo/semantics/openAccessreponame:Repositório Institucional da UnBinstname:Universidade de Brasília (UnB)instacron:UNB2024-02-28T21:21:48Zoai:repositorio.unb.br:10482/47960Repositório InstitucionalPUBhttps://repositorio.unb.br/oai/requestrepositorio@unb.bropendoar:2024-02-28T21:21:48Repositório Institucional da UnB - Universidade de Brasília (UnB)false
dc.title.none.fl_str_mv Análise de integridade de dados e desempenho em cursos online utilizando métodos de aprendizado de máquina
title Análise de integridade de dados e desempenho em cursos online utilizando métodos de aprendizado de máquina
spellingShingle Análise de integridade de dados e desempenho em cursos online utilizando métodos de aprendizado de máquina
Praciano, Flávio Garcia
Aprendizagem móvel
Mineração de dados (Computação)
Aprendizagem de máquina
Dados abertos
title_short Análise de integridade de dados e desempenho em cursos online utilizando métodos de aprendizado de máquina
title_full Análise de integridade de dados e desempenho em cursos online utilizando métodos de aprendizado de máquina
title_fullStr Análise de integridade de dados e desempenho em cursos online utilizando métodos de aprendizado de máquina
title_full_unstemmed Análise de integridade de dados e desempenho em cursos online utilizando métodos de aprendizado de máquina
title_sort Análise de integridade de dados e desempenho em cursos online utilizando métodos de aprendizado de máquina
author Praciano, Flávio Garcia
author_facet Praciano, Flávio Garcia
author_role author
dc.contributor.none.fl_str_mv Silva, Daniel Alves da
dc.contributor.author.fl_str_mv Praciano, Flávio Garcia
dc.subject.por.fl_str_mv Aprendizagem móvel
Mineração de dados (Computação)
Aprendizagem de máquina
Dados abertos
topic Aprendizagem móvel
Mineração de dados (Computação)
Aprendizagem de máquina
Dados abertos
description Dissertação (mestrado) — Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, Programa de Pós-Graduação em Engenharia Elétrica, 2023.
publishDate 2023
dc.date.none.fl_str_mv 2023-07-28
2024-02-28T21:21:48Z
2024-02-28T21:21:48Z
2024-02-28
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.uri.fl_str_mv PRACIANO, Flávio Garcia. Análise de integridade de dados e desempenho em cursos online utilizando métodos de aprendizado de máquina. 2023. xiv, 86 f., il. Dissertação (Mestrado Profissional em Engenharia Elétrica) — Universidade de Brasília, Brasília, 2023.
http://repositorio2.unb.br/jspui/handle/10482/47960
identifier_str_mv PRACIANO, Flávio Garcia. Análise de integridade de dados e desempenho em cursos online utilizando métodos de aprendizado de máquina. 2023. xiv, 86 f., il. Dissertação (Mestrado Profissional em Engenharia Elétrica) — Universidade de Brasília, Brasília, 2023.
url http://repositorio2.unb.br/jspui/handle/10482/47960
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.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UnB
instname:Universidade de Brasília (UnB)
instacron:UNB
instname_str Universidade de Brasília (UnB)
instacron_str UNB
institution UNB
reponame_str Repositório Institucional da UnB
collection Repositório Institucional da UnB
repository.name.fl_str_mv Repositório Institucional da UnB - Universidade de Brasília (UnB)
repository.mail.fl_str_mv repositorio@unb.br
_version_ 1814508273729011712

Registros relacionados