Aplicação de técnicas de aprendizado de máquina para classificar alunos de cursos de idiomas com relação à possibilidade de evasão
Autor(a) principal: | |
---|---|
Data de Publicação: | 2019 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) |
Texto Completo: | http://repositorio.utfpr.edu.br/jspui/handle/1/12285 |
Resumo: | O aumento da competitividade no mercado de trabalho tem levado as pessoas a buscarem novas habilidades e conhecimentos, dentre os quais se destacam os cursos de idiomas. Entretanto os cursos vêm sofrendo com os altos índices de evasão, sendo este causado por múltiplos fatores, os quais possuem relacionamentos complexos que dificultam a elaboração de modelos de classificação. Sob este contexto, a atual pesquisa propõe a utilização de técnicas de Aprendizado de Máquina capazes de analisar grandes e complexos bancos de dados, tendo como propósito identificar antecipadamente um aluno que seja propenso a evadir do curso de idioma, possibilitando assim a tomada de medidas para reduzir a taxa de evasão. Para estudar esse problema foi realizado um levantamento na literatura sobre os fatores que podem causar a evasão dos alunos e, em seguida, elaborou-se um questionário usando o Google Forms. Os questionários foram pré-processados e 7 técnicas de aprendizado de máquina foram utilizadas no estudo de dois modelos de classificação, cada um com duas configurações distintas. O primeiro modelo visava buscava prever se o aluno estava cursando, se havia evadido ou se tinha concluído o curso de idioma, enquanto o segundo tinha como propósito prever apenas se o estudante evadiu ou não. Os resultados foram satisfatórios, com destaque para as técnicas Máquina de Vetores de Suporte e Florestas Aleatórias que obtiveram um índice máximo de acuracidade de 91% e 88%, respectivamente. |
id |
UTFPR-12_d76e5dcda8e56d772a711e13d2f0c60a |
---|---|
oai_identifier_str |
oai:repositorio.utfpr.edu.br:1/12285 |
network_acronym_str |
UTFPR-12 |
network_name_str |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) |
repository_id_str |
|
spelling |
2020-11-16T11:41:46Z2020-11-16T11:41:46Z2019-06-27LIMA, Monique Tamara de. Aplicação de técnicas de aprendizado de máquina para classificar alunos de cursos de idiomas com relação à possibilidade de evasão. 2019. 93 f. Trabalho de Conclusão de Curso (Graduação) - Universidade Tecnológica Federal do Paraná, Londrina, 2019.http://repositorio.utfpr.edu.br/jspui/handle/1/12285O aumento da competitividade no mercado de trabalho tem levado as pessoas a buscarem novas habilidades e conhecimentos, dentre os quais se destacam os cursos de idiomas. Entretanto os cursos vêm sofrendo com os altos índices de evasão, sendo este causado por múltiplos fatores, os quais possuem relacionamentos complexos que dificultam a elaboração de modelos de classificação. Sob este contexto, a atual pesquisa propõe a utilização de técnicas de Aprendizado de Máquina capazes de analisar grandes e complexos bancos de dados, tendo como propósito identificar antecipadamente um aluno que seja propenso a evadir do curso de idioma, possibilitando assim a tomada de medidas para reduzir a taxa de evasão. Para estudar esse problema foi realizado um levantamento na literatura sobre os fatores que podem causar a evasão dos alunos e, em seguida, elaborou-se um questionário usando o Google Forms. Os questionários foram pré-processados e 7 técnicas de aprendizado de máquina foram utilizadas no estudo de dois modelos de classificação, cada um com duas configurações distintas. O primeiro modelo visava buscava prever se o aluno estava cursando, se havia evadido ou se tinha concluído o curso de idioma, enquanto o segundo tinha como propósito prever apenas se o estudante evadiu ou não. Os resultados foram satisfatórios, com destaque para as técnicas Máquina de Vetores de Suporte e Florestas Aleatórias que obtiveram um índice máximo de acuracidade de 91% e 88%, respectivamente.The increase in competitiveness in the labor market has led people to seek new skills and knowledge, among which are the language courses. However, the courses have been suffering from high dropout rates, which is caused by multiple factors, which have complex relationships that make difficult the elaboration of classification models. In this context, the current research proposes the use of Machine Learning techniques capable of analyzing large and complex databases, with the purpose of identifying in advance a student who is prone to evade the language course, thus enabling measures to be taken reduce the rate of evasion. In order to study this problem, a literature review was carried out on the factors that can cause student dropouts, and then a questionnaire was developed using Google Forms. The questionnaires were pre-processed and 7 machine learning techniques were used in the study of two classification models, each with two different configurations. The first model aimed to predict whether the student was attending, whether he had escaped or had completed the language course, while the second was intended to predict only whether the student evaded or not. The results were satisfactory, with emphasis on the techniques of Support Vector Machines and Random Forests, which obtained a maximum accuracy of 91% and 88%, respectively.porUniversidade Tecnológica Federal do ParanáLondrinaEngenharia de ProduçãoUTFPRBrasilCNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAOAprendizado do computadorInteligência artificialLínguas modernasEvasão escolarMachine learningArtificial intelligenceLanguages, ModernDropoutsAplicação de técnicas de aprendizado de máquina para classificar alunos de cursos de idiomas com relação à possibilidade de evasãoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisLondrinaLima, Rafael Henrique PalmaSantos, Bruno Samways dosTondato, RogérioLima, Rafael Henrique PalmaLima, Monique Tamara deinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))instname:Universidade Tecnológica Federal do Paraná (UTFPR)instacron:UTFPRORIGINALLD_COENP_2019_1_09.pdfapplication/pdf3206851http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/12285/1/LD_COENP_2019_1_09.pdf5041bb8180cfec58ac6b70bcbf05cbbeMD51LICENSElicense.txttext/plain1290http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/12285/2/license.txtb9d82215ab23456fa2d8b49c5df1b95bMD52TEXTLD_COENP_2019_1_09.pdf.txtExtracted texttext/plain185503http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/12285/3/LD_COENP_2019_1_09.pdf.txt053f9dd5053ae2d35d89da8b328626cfMD53THUMBNAILLD_COENP_2019_1_09.pdf.jpgGenerated Thumbnailimage/jpeg1297http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/12285/4/LD_COENP_2019_1_09.pdf.jpg6710a499f916754e8a6e947449e8643bMD541/122852020-11-16 09:41:46.458oai:repositorio.utfpr.edu.br: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ório de PublicaçõesPUBhttp://repositorio.utfpr.edu.br:8080/oai/requestopendoar:2020-11-16T11:41:46Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) - Universidade Tecnológica Federal do Paraná (UTFPR)false |
dc.title.pt_BR.fl_str_mv |
Aplicação de técnicas de aprendizado de máquina para classificar alunos de cursos de idiomas com relação à possibilidade de evasão |
title |
Aplicação de técnicas de aprendizado de máquina para classificar alunos de cursos de idiomas com relação à possibilidade de evasão |
spellingShingle |
Aplicação de técnicas de aprendizado de máquina para classificar alunos de cursos de idiomas com relação à possibilidade de evasão Lima, Monique Tamara de CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAO Aprendizado do computador Inteligência artificial Línguas modernas Evasão escolar Machine learning Artificial intelligence Languages, Modern Dropouts |
title_short |
Aplicação de técnicas de aprendizado de máquina para classificar alunos de cursos de idiomas com relação à possibilidade de evasão |
title_full |
Aplicação de técnicas de aprendizado de máquina para classificar alunos de cursos de idiomas com relação à possibilidade de evasão |
title_fullStr |
Aplicação de técnicas de aprendizado de máquina para classificar alunos de cursos de idiomas com relação à possibilidade de evasão |
title_full_unstemmed |
Aplicação de técnicas de aprendizado de máquina para classificar alunos de cursos de idiomas com relação à possibilidade de evasão |
title_sort |
Aplicação de técnicas de aprendizado de máquina para classificar alunos de cursos de idiomas com relação à possibilidade de evasão |
author |
Lima, Monique Tamara de |
author_facet |
Lima, Monique Tamara de |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Lima, Rafael Henrique Palma |
dc.contributor.referee1.fl_str_mv |
Santos, Bruno Samways dos |
dc.contributor.referee2.fl_str_mv |
Tondato, Rogério |
dc.contributor.referee3.fl_str_mv |
Lima, Rafael Henrique Palma |
dc.contributor.author.fl_str_mv |
Lima, Monique Tamara de |
contributor_str_mv |
Lima, Rafael Henrique Palma Santos, Bruno Samways dos Tondato, Rogério Lima, Rafael Henrique Palma |
dc.subject.cnpq.fl_str_mv |
CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAO |
topic |
CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAO Aprendizado do computador Inteligência artificial Línguas modernas Evasão escolar Machine learning Artificial intelligence Languages, Modern Dropouts |
dc.subject.por.fl_str_mv |
Aprendizado do computador Inteligência artificial Línguas modernas Evasão escolar Machine learning Artificial intelligence Languages, Modern Dropouts |
description |
O aumento da competitividade no mercado de trabalho tem levado as pessoas a buscarem novas habilidades e conhecimentos, dentre os quais se destacam os cursos de idiomas. Entretanto os cursos vêm sofrendo com os altos índices de evasão, sendo este causado por múltiplos fatores, os quais possuem relacionamentos complexos que dificultam a elaboração de modelos de classificação. Sob este contexto, a atual pesquisa propõe a utilização de técnicas de Aprendizado de Máquina capazes de analisar grandes e complexos bancos de dados, tendo como propósito identificar antecipadamente um aluno que seja propenso a evadir do curso de idioma, possibilitando assim a tomada de medidas para reduzir a taxa de evasão. Para estudar esse problema foi realizado um levantamento na literatura sobre os fatores que podem causar a evasão dos alunos e, em seguida, elaborou-se um questionário usando o Google Forms. Os questionários foram pré-processados e 7 técnicas de aprendizado de máquina foram utilizadas no estudo de dois modelos de classificação, cada um com duas configurações distintas. O primeiro modelo visava buscava prever se o aluno estava cursando, se havia evadido ou se tinha concluído o curso de idioma, enquanto o segundo tinha como propósito prever apenas se o estudante evadiu ou não. Os resultados foram satisfatórios, com destaque para as técnicas Máquina de Vetores de Suporte e Florestas Aleatórias que obtiveram um índice máximo de acuracidade de 91% e 88%, respectivamente. |
publishDate |
2019 |
dc.date.issued.fl_str_mv |
2019-06-27 |
dc.date.accessioned.fl_str_mv |
2020-11-16T11:41:46Z |
dc.date.available.fl_str_mv |
2020-11-16T11:41:46Z |
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 |
LIMA, Monique Tamara de. Aplicação de técnicas de aprendizado de máquina para classificar alunos de cursos de idiomas com relação à possibilidade de evasão. 2019. 93 f. Trabalho de Conclusão de Curso (Graduação) - Universidade Tecnológica Federal do Paraná, Londrina, 2019. |
dc.identifier.uri.fl_str_mv |
http://repositorio.utfpr.edu.br/jspui/handle/1/12285 |
identifier_str_mv |
LIMA, Monique Tamara de. Aplicação de técnicas de aprendizado de máquina para classificar alunos de cursos de idiomas com relação à possibilidade de evasão. 2019. 93 f. Trabalho de Conclusão de Curso (Graduação) - Universidade Tecnológica Federal do Paraná, Londrina, 2019. |
url |
http://repositorio.utfpr.edu.br/jspui/handle/1/12285 |
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.publisher.none.fl_str_mv |
Universidade Tecnológica Federal do Paraná Londrina |
dc.publisher.program.fl_str_mv |
Engenharia de Produção |
dc.publisher.initials.fl_str_mv |
UTFPR |
dc.publisher.country.fl_str_mv |
Brasil |
publisher.none.fl_str_mv |
Universidade Tecnológica Federal do Paraná Londrina |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) instname:Universidade Tecnológica Federal do Paraná (UTFPR) instacron:UTFPR |
instname_str |
Universidade Tecnológica Federal do Paraná (UTFPR) |
instacron_str |
UTFPR |
institution |
UTFPR |
reponame_str |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) |
collection |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) |
bitstream.url.fl_str_mv |
http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/12285/1/LD_COENP_2019_1_09.pdf http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/12285/2/license.txt http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/12285/3/LD_COENP_2019_1_09.pdf.txt http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/12285/4/LD_COENP_2019_1_09.pdf.jpg |
bitstream.checksum.fl_str_mv |
5041bb8180cfec58ac6b70bcbf05cbbe b9d82215ab23456fa2d8b49c5df1b95b 053f9dd5053ae2d35d89da8b328626cf 6710a499f916754e8a6e947449e8643b |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) - Universidade Tecnológica Federal do Paraná (UTFPR) |
repository.mail.fl_str_mv |
|
_version_ |
1805923000405458944 |