Mineração de dados aplicada na identificação da propensão à evasão na universidade

• Autor(a) principal: Lanot , Alisson Jamie Cruz
• Data de Publicação: 2012
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UNIPAMPA
• Texto Completo: http://dspace.unipampa.edu.br:8080/jspui/handle/riu/4633
• topic: CNPQ::ENGENHARIAS; Propensão à evasão; Mineração de dados; Classificação; Regras de associação; Clusterização; Drop-out propensity; Data mining; Classification; Association rules; Clustering

A propensão à evasão na universidade é um problema de difícil identificação, visto que há diversos fatores que influenciam a sua ocorrência, e cada universidade pode ter motivos diferentes para a ocorrência de evasão. Identificar casos de evasão de forma manual é uma tarefa impraticável, visto que envolve a manipulação de grandes quantidades de dados. O objetivo deste trabalho é identificar dentre os dados disponíveis dos alunos, as características que contribuem para a evasão na Universidade Federal do Pampa, sendo que o estudo foi delimitado para o curso de Engenharia de Computação. Nesses conjuntos de dados são aplicados técnicas da Descoberta de Conhecimento em Banco de Dados, onde os dados serão tratados e posteriormente analisados. Esta atividade é realizada com o auxílio da ferramenta Weka, a fim de minerar os dados fornecidos pela própria Universidade. A partir da identificação dos fatores associados com a evasão, tem-se a intenção de permitir a identificação de uma situação em que o aluno tenha grandes riscos de abandonar os seus estudos, e com isto, permitir que sejam criados e otimizados os meios de prevenção da evasão na universidade. Através da aplicação de diferentes algoritmos de classificação e das técnicas de regras de associação e clusterização, foi possível verificar uma associação entre o fraco desempenho acadêmico com a evasão dos alunos.