Predição Do Desempenho Acadêmico De Alunos Da Graduação Utilizando Mineração De Dados

Manhães, Laci Mary Barbosa; Cruz, Sérgio Manuel Serra da

doi:10.5151/spolm2019-148

Cited by 10 publications

(9 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…The order of importance provided by the random forest algorithm allowed the identification of the factors contributing to students' success or failure. It enabled the observation that the factors regarding the curricular context of students' academic performance are paramount to the intended prediction, which confirms results previously obtained by [15], who stated that such factors can alone account for academic performance. Note that all 11 attributes which revealed to be significant for the prediction belong, without exception, to the curricular or matriculation categories.…”

Section: Discussion Of Results and Conclusionsupporting

confidence: 84%

A Data Mining Approach for Predicting Academic Success – A Case Study

Martins

Miguéis

Fonseca

et al. 2019

Advances in Intelligent Systems and Computing

View full text Add to dashboard Cite

show abstract

Section: Discussion Of Results and Conclusionsupporting

confidence: 84%

A Data Mining Approach for Predicting Academic Success – A Case Study

Martins

Miguéis

Fonseca

et al. 2019

Advances in Intelligent Systems and Computing

View full text Add to dashboard Cite

show abstract

“…Além disso, verificou-se também as ferramentas de minerac ¸ão de dados mais utilizadas como sendo o Weka 1 no quesito evasão. [Manhães 2020] objetivou em sua pesquisa utilizar técnicas de minerac ¸ão de dados educacionais e detectar o risco de evasão estudantil, contribuindo com os gestores acadêmicos na tentativa de reduzir os índices de evasão nos cursos de graduac ¸ão, decorrente de ac ¸ões direcionadas aos alunos classificados como evadidos. Todo o processo analisou diversos cenários na instituic ¸ão, dividindo o estudo em 7 partes.…”

Section: Trabalhos Relacionadosunclassified

Avaliação de Classificadores para Predição de Evasão no Ensino Superior Utilizando Janela Semestral

Viana

Santana

Rabêlo

2022

Anais Do XXXIII Simpósio Brasileiro De Informática Na Educação (SBIE 2022)

View full text Add to dashboard Cite

O alto índice de evasão nas Instituições Federais de Ensino Superior (IFES) é um fenômeno que, cada vez mais, vêm preocupando docentes e gestores educacionais. Neste sentido, estratégias como Mineração de Dados Educacionais vêm sendo usadas para mitigar esse problema. Uma proposta para classificação de alunos Evadidos e Graduados é apresentada nesse trabalho, gerando modelos treinados para cada janela semestral. Os experimentos foram realizados com dados dos cursos de Computação e Sistemas de Informação da Universidade Federal do Piauí (UFPI). Os resultados do processo de Mineração são promissores com acurácias de 85% e 96%.

show abstract

“…Utilizou-se de técnicas de mineração de dados para identificar o perfil do aluno evadido e estimar a propensão à evasão. Manhães (2015) apresentou uma proposta de arquitetura baseada em MDE que oferecia informações úteis sobre o desempenho acadêmico dos graduandos e predizia os que estão em risco de abandonar o sistema de ensino através da predição do seu desempenho acadêmico.…”

Section: Trabalhos Relacionadosunclassified

“…A mineração de dados educacionais (MDE) é um campo de pesquisa que busca descobrir padrões ou evidências sobre alunos e formas de aprendizagem. Nos últimos anos diversos trabalhos (Coelho et al, 2015;Manhães, 2015;Pasta, 2011) têm explorados os benefícios que a MDE traz ao ambiente educacional.…”

Section: Introductionunclassified

Identificação dos fatores de melhorias no IDEB pelo uso de mineração de dados: Um estudo de caso em escolas municipais de MACEIÓ

Pinto

Júnior

Costa³

et al. 2019

Anais Do XXX Simpósio Brasileiro De Informática Na Educação (SBIE 2019)

View full text Add to dashboard Cite

Educational data mining has been helping educators and decision makers for the purpose of extracting useful academical information on the students, from large data sources. In this paper we explore the use of attribute selection techniques in data mining, with the aim of identifying the most relevant variables that impact on the Basic Education Development Index (Ideb) of the students of the municipal schools of Maceió. We used data from the Saeb test of 13 municipal schools and applied attribute selection and classification methods. The conducted experimental study and the obtained results are discussed at the end, showing the most relevant attributes increasing the predictive performance and providing relevant information to decision makers in educational settings.Resumo. A Mineração de Dados Educacionais vem auxiliando educadores e gestores no apoio a tomada de decisões, permitindo extração de informações relevantes de bases de dados. Neste artigo explorou-se técnicas de seleção de atributos em mineração de dados, visando identificar quais fatores impactam no IDEB das escolas municipais de Maceió. Para tanto, utilizou-se dados do teste Saeb de 13 escolas municipais de Maceió, conduzindo um estudo experimental, produzindo relevantes resultados na tarefa de identificação de atributos relevantes para apoiar os gestores educacionais.

show abstract

Predição Do Desempenho Acadêmico De Alunos Da Graduação Utilizando Mineração De Dados

Cited by 10 publications

References 0 publications

A Data Mining Approach for Predicting Academic Success – A Case Study

A Data Mining Approach for Predicting Academic Success – A Case Study

Avaliação de Classificadores para Predição de Evasão no Ensino Superior Utilizando Janela Semestral

Identificação dos fatores de melhorias no IDEB pelo uso de mineração de dados: Um estudo de caso em escolas municipais de MACEIÓ

Contact Info

Product

Resources

About