UFS › SIGAA - Sistema Integrado de Gestão de Atividades Acadêmicas São Cristóvão, 23 de Outubro de 2020


Notícias

Banca de DEFESA: NATHANAEL OLIVEIRA VASCONCELOS
02/08/2019 15:28


Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: NATHANAEL OLIVEIRA VASCONCELOS
DATA: 22/08/2019
HORA: 14:00
LOCAL: Sala de Seminários
TÍTULO: Data Mining e Data Analytics para Apoio à Gestão Estratégica e Mitigação da Evasão Escolar
PALAVRAS-CHAVES: Evasão; Mineração de Dados Educacionais, Algoritmos de Classificação; Experimentação.
PÁGINAS: 70
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
SUBÁREA: Metodologia e Técnicas da Computação
ESPECIALIDADE: Sistemas de Informação
RESUMO:

Contexto: A evasão é, certamente, um dos grandes problemas que afligem as instituições de ensino em geral, uma vez que as perdas ocasionadas pelo abandono do aluno são desperdícios sociais, acadêmicos e econômicos. A busca de suas causas tem sido objeto de muitos trabalhos e pesquisas educacionais em todo mundo. No campo prático, diversas organizações de ensino norteiam as suas decisões estratégicas para o controle da taxa de evasão, entretanto, no Brasil, ainda são poucos os trabalhos publicados nesta área de pesquisa. Como consequência, fica evidente a necessidade de aumentar a compreensão do problema e de suas causas, com a adoção de medidas mais eficazes para identificar e entender os principais fatores que podem contribuir com o insucesso dos estudantes. Objetivo: Este trabalho teve por propósito fazer duas análises experimentais dos algoritmos de mineração de dados mais utilizados na área de educação, avaliando o que melhor se adequa ao contexto de abandono do ensino em duas instituições federais, bem como implementar um método de uso do melhor modelo, o qual auxiliará o processo de apoio à decisão e à mitigação da evasão escolar. Método: Foram planejados e executados dois experimentos controlados "in vivo", para comparar a eficácia dos classificadores selecionados. Em seguida, foi realizado um estudo de caso com interface criada para aplicar o algoritmo que obteve a melhor eficácia. Resultados: Os resultados evidenciaram que existem diferenças significativas entre os algoritmos utilizados, e que, apesar do SVN possuir a maior média das métricas de eficácia, estatisticamente, após a metanálise dos experimentos, os algoritmos MLP e Random Forest, respectivamente, obtiveram resultados semelhantes de acurácia (85,38%, 84,40% e 84,13%). Para medida-F, a significância estatística foi igual apenas para o MLP (84,42% e 83,44%). Conclusões: Esta dissertação expôs a necessidade de aumentar a adoção de medidas para identificar e entender os principais fatores que podem contribuir com o insucesso dos estudantes. Após duas análises experimentais, foi evidenciado que existem diferenças significativas entre os três primeiros colocados e os demais algoritmos avaliados, sendo o SVN, pelo seu pequeno destaque, selecionado para ser aplicado em um estudo de caso de atendimento parcial a um dos itens do planejamento estratégico da Universidade Federal de Sergipe – UFS.


MEMBROS DA BANCA:
Presidente - 2227110 - METHANIAS COLACO RODRIGUES JUNIOR
Interno - 2027113 - ANDRE BRITTO DE CARVALHO
Externo à Instituição - SONIA VIRGINIA ALVES FRANCA

SIGAA | Superintendência de Tecnologia da Informação/UFS | Telefonista/UFS (79)3194-6600 | Copyright © 2009-2020 - UFRN v3.5.16 -r12712-85cc87cea5