Análise e predição de evasão na Educação a Distância de uma Universidade Comunitária utilizando técnicas de mineração de dados

• Autor(a) principal: Rockenbach, Vinícius
• Data de Publicação: 2020
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UNIVATES (Biblioteca Digital da Univates - BD)
• Texto Completo: http://hdl.handle.net/10737/2847
• topic: CET; Educação a distância; Ambiente Virtual de Aprendizagem; Mineração de dados; Distance Education; Virtual Learning Environment; Data Mining

A Mineração de dados vem crescendo nos últimos anos juntamente com o interesse das mais diversas áreas de atuação na descoberta de dados que auxilie a alcançar uma vantagem no mercado e, dentro da área da educação, o comportamento dos estudantes muitas vezes indica seus interesses e motivações. Esta pesquisa tem o objetivo de relacionar estes dois extremos aplicando técnicas de mineração de dados e aprendizado de máquina em dados provenientes do banco de dados de uma universidade comunitária do interior do Rio Grande do Sul explorando os conceitos da mineração de dados educacional para verificar a tendência dos alunos a evadirem dos cursos da modalidade EaD, dentro de um período de dois anos. Os resultados obtidos através dos experimentos utilizando diferentes técnicas de mineração de dados são comparados para se encontrar a forma mais eficiente de prever a evasão dos alunos. Após o treinamento dos modelos preditivos e a aplicação deles sobre o conjunto de teste, ficou constatado que os algoritmos Random Tree e Decision Tree obtiveram os melhores resultados, atingindo percentuais superiores a 98% nos melhores resultados. Os resultados também são comparados com outros resultados observados em estudos dentro do mesmo campo de pesquisa ou que também se utilizam das técnicas de mineração de dados educacionais, verificando-se resultados semelhantes em alguns deles.