Data Pre-processing and Data Generation in the Student Flow Case Study

Abstract

Education covers a range of sectors from kindergarten to higher education. In the education system, each grade has three possible outcomes: dropout, retention and pass to the next grade. In this work, we study the data from the Department of Statistics of Education and Science (DGEEC) of the Education Ministry. DGEEC maintains those outcomes for each school year, therefore, this study seeks a longitudinal view based on student flow. The document reports the data pre-processing, a stochastic model based on the pre-processed data and a data generation process that uses the previous model.

A Data Science Maturity Model Applied to Students' Modeling

“…This work follows on from the _IABE maturity model [5] using the ModEst project data [8,9] as a test case. This work's main contribution is applying the _IABE model to the DGEEC dataset by defining different wh-questions for each maturity model level and using the most appropriate techniques to obtain the answers.…”

“…Each entry concerns a student's enrollment in a specific school year, with information detailing the characteristics of the enrollment and its outcome. The DGEEC has annual data, and the ModEst project is interested in having a longitudinal view of the data [8]. So, it is necessary to correctly perceive how a student's path through the education system changes and what events are associated with them.…”

Modelagem e Simulação do Progresso Estudantil no Ensino Superior com Sistemas de Eventos Discretos para Gerenciamento de Capacidade de Turmas Extras

“…O trabalho de [Cavique et al 2020] modelou o comportamento de alunos entre o 1º e 12º ano de estudo em uma cadeia de Markov, a fim de prever o desempenho dos alunos nos anos seguintes. Para isso, utilizou-se uma base de dados de 1.700.000 alunos por ano letivo, entre os anos de 2008 a 2016.…”

“…O método utilizado neste estudo foi adaptado do trabalho de [Cavique et al 2020], no qual dividiu-se o processo em 3 etapas: pré-processamento de dados, modelagem e análise dos resultados.…”

“…Os modelos de fluxo estudantil ao longo do sistema educacional podem ser muito importantes para planejar recursos de infraestrutura, proporcionar a distribuic ¸ão de recursos humanos no mercado de trabalho e identificar problemas em todo o sistema educacional, bem como propor ac ¸ões específicas para superá-los [Cavique et al 2020].…”