Neural Networks with prototypes to quantify the academic achievement drivers: : evidence from a European country

Detalhes bibliográficos
Autor(a) principal: Beatriz-Afonso, Ana
Data de Publicação: 2023
Outros Autores: Cruz-Jesus, Frederico, Castelli, Mauro, Oliveira, Tiago, Nunes, Catarina
Tipo de documento: Artigo
Idioma: por
Título da fonte: Tecnologias, Sociedade e Conhecimento
Texto Completo: https://econtents.bc.unicamp.br/inpec/index.php/tsc/article/view/17394
Resumo: Since the 1950s, academic performance has been the focus of interest by researchers and policymakers. However, only recently have data science methods begun to be applied more systematically to this topic. This work uses data from national mathematics and Portuguese exams of the Portuguese population in the 2018/2019 school year to, through neural networks, evaluate and compare which factors affect the results of these exams and in what way.Furthermore, a new approach is presented to deal with the "black box" dilemma of more advanced data science methods. This approach involves creating a set of prototypes through Neural Networks and estimating how much each potential impacts academic performance.
id UNICAMP-33_6fe931d8d6fa19252758c71b215974ef
oai_identifier_str oai:inpec.econtents.bc.unicamp.br:article/17394
network_acronym_str UNICAMP-33
network_name_str Tecnologias, Sociedade e Conhecimento
repository_id_str
spelling Neural Networks with prototypes to quantify the academic achievement drivers: : evidence from a European countryRedes neuronais com protótipos para quantificar os determinantes do desempenho acadêmico: evidências de um país europeuEducationAcademic achievementData scienceEducaçãoSucesso escolarCiência de dadosSince the 1950s, academic performance has been the focus of interest by researchers and policymakers. However, only recently have data science methods begun to be applied more systematically to this topic. This work uses data from national mathematics and Portuguese exams of the Portuguese population in the 2018/2019 school year to, through neural networks, evaluate and compare which factors affect the results of these exams and in what way.Furthermore, a new approach is presented to deal with the "black box" dilemma of more advanced data science methods. This approach involves creating a set of prototypes through Neural Networks and estimating how much each potential impacts academic performance.Desde os anos 50 do século passado que o desempenho académico tem sido foco de interesse por parte de investigadores e decisores políticos. No entanto, apenas recentemente os métodos de ciência de dados começaram a ser aplicados de forma mais sistemática a este tema. Este trabalho utiliza os dados dos exames nacionais de matemática e português da população portuguesa no ano letivo 2018/2019 para, através de redes neuronais, avaliar e comparar quais os fatores que afetam os resultados desses exames, e de que forma. Além disso, uma nova abordagem é apresentada para lidar com o dilema da "caixa negra" dos métodos de ciências de dados mais avançados. Esta abordagem passa pela criação de um conjunto de protótipos através de Redes Neuronais, fornecendo uma estimativa de quanto cada potencial impacta o desempenho acadêmico.Universidade Estadual de Campinas2023-04-26info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionArtigo avaliado pelos paresArtigo avaliado pelos paresTextoinfo:eu-repo/semantics/otherapplication/pdfhttps://econtents.bc.unicamp.br/inpec/index.php/tsc/article/view/1739410.20396/tsc.v9i2.17394Tecnologias, Sociedade e Conhecimento; Vol. 9 No. 2 (2022): Artificial Intelligence, Education and Social Responsibility; 6-30Tecnologias, Sociedade e Conhecimento; Vol. 9 Núm. 2 (2022): Inteligência Artificial, Educação e Responsabilidade Social; 6-30Tecnologias, Sociedade e Conhecimento; Vol. 9 No 2 (2022): Inteligência Artificial, Educação e Responsabilidade Social; 6-30Tecnologias, Sociedade e Conhecimento; v. 9 n. 2 (2022): Inteligência Artificial, Educação e Responsabilidade Social; 6-302318-8839reponame:Tecnologias, Sociedade e Conhecimentoinstname:Universidade Estadual de Campinas (UNICAMP)instacron:UNICAMPporhttps://econtents.bc.unicamp.br/inpec/index.php/tsc/article/view/17394/12575Portugal; 2018-2019Portugal; 2018-2019Copyright (c) 2023 Tecnologias, Sociedade e Conhecimentohttps://creativecommons.org/licenses/by/4.0info:eu-repo/semantics/openAccessBeatriz-Afonso, AnaCruz-Jesus, FredericoCastelli, MauroOliveira, TiagoNunes, Catarina2023-05-10T16:57:26Zoai:inpec.econtents.bc.unicamp.br:article/17394Revistahttps://econtents.bc.unicamp.br/inpec/index.php/tscPUBhttps://econtents.bc.unicamp.br/inpec/index.php/tsc/oaitscnied@unicamp.br2318-88392318-8839opendoar:2023-05-10T16:57:26Tecnologias, Sociedade e Conhecimento - Universidade Estadual de Campinas (UNICAMP)false
dc.title.none.fl_str_mv Neural Networks with prototypes to quantify the academic achievement drivers: : evidence from a European country
Redes neuronais com protótipos para quantificar os determinantes do desempenho acadêmico: evidências de um país europeu
title Neural Networks with prototypes to quantify the academic achievement drivers: : evidence from a European country
spellingShingle Neural Networks with prototypes to quantify the academic achievement drivers: : evidence from a European country
Beatriz-Afonso, Ana
Education
Academic achievement
Data science
Educação
Sucesso escolar
Ciência de dados
title_short Neural Networks with prototypes to quantify the academic achievement drivers: : evidence from a European country
title_full Neural Networks with prototypes to quantify the academic achievement drivers: : evidence from a European country
title_fullStr Neural Networks with prototypes to quantify the academic achievement drivers: : evidence from a European country
title_full_unstemmed Neural Networks with prototypes to quantify the academic achievement drivers: : evidence from a European country
title_sort Neural Networks with prototypes to quantify the academic achievement drivers: : evidence from a European country
author Beatriz-Afonso, Ana
author_facet Beatriz-Afonso, Ana
Cruz-Jesus, Frederico
Castelli, Mauro
Oliveira, Tiago
Nunes, Catarina
author_role author
author2 Cruz-Jesus, Frederico
Castelli, Mauro
Oliveira, Tiago
Nunes, Catarina
author2_role author
author
author
author
dc.contributor.author.fl_str_mv Beatriz-Afonso, Ana
Cruz-Jesus, Frederico
Castelli, Mauro
Oliveira, Tiago
Nunes, Catarina
dc.subject.por.fl_str_mv Education
Academic achievement
Data science
Educação
Sucesso escolar
Ciência de dados
topic Education
Academic achievement
Data science
Educação
Sucesso escolar
Ciência de dados
description Since the 1950s, academic performance has been the focus of interest by researchers and policymakers. However, only recently have data science methods begun to be applied more systematically to this topic. This work uses data from national mathematics and Portuguese exams of the Portuguese population in the 2018/2019 school year to, through neural networks, evaluate and compare which factors affect the results of these exams and in what way.Furthermore, a new approach is presented to deal with the "black box" dilemma of more advanced data science methods. This approach involves creating a set of prototypes through Neural Networks and estimating how much each potential impacts academic performance.
publishDate 2023
dc.date.none.fl_str_mv 2023-04-26
dc.type.driver.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
Artigo avaliado pelos pares
Artigo avaliado pelos pares
Texto
info:eu-repo/semantics/other
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://econtents.bc.unicamp.br/inpec/index.php/tsc/article/view/17394
10.20396/tsc.v9i2.17394
url https://econtents.bc.unicamp.br/inpec/index.php/tsc/article/view/17394
identifier_str_mv 10.20396/tsc.v9i2.17394
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://econtents.bc.unicamp.br/inpec/index.php/tsc/article/view/17394/12575
dc.rights.driver.fl_str_mv Copyright (c) 2023 Tecnologias, Sociedade e Conhecimento
https://creativecommons.org/licenses/by/4.0
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Copyright (c) 2023 Tecnologias, Sociedade e Conhecimento
https://creativecommons.org/licenses/by/4.0
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv Portugal; 2018-2019
Portugal; 2018-2019
dc.publisher.none.fl_str_mv Universidade Estadual de Campinas
publisher.none.fl_str_mv Universidade Estadual de Campinas
dc.source.none.fl_str_mv Tecnologias, Sociedade e Conhecimento; Vol. 9 No. 2 (2022): Artificial Intelligence, Education and Social Responsibility; 6-30
Tecnologias, Sociedade e Conhecimento; Vol. 9 Núm. 2 (2022): Inteligência Artificial, Educação e Responsabilidade Social; 6-30
Tecnologias, Sociedade e Conhecimento; Vol. 9 No 2 (2022): Inteligência Artificial, Educação e Responsabilidade Social; 6-30
Tecnologias, Sociedade e Conhecimento; v. 9 n. 2 (2022): Inteligência Artificial, Educação e Responsabilidade Social; 6-30
2318-8839
reponame:Tecnologias, Sociedade e Conhecimento
instname:Universidade Estadual de Campinas (UNICAMP)
instacron:UNICAMP
instname_str Universidade Estadual de Campinas (UNICAMP)
instacron_str UNICAMP
institution UNICAMP
reponame_str Tecnologias, Sociedade e Conhecimento
collection Tecnologias, Sociedade e Conhecimento
repository.name.fl_str_mv Tecnologias, Sociedade e Conhecimento - Universidade Estadual de Campinas (UNICAMP)
repository.mail.fl_str_mv tscnied@unicamp.br
_version_ 1801207167133417472

Registros relacionados