Notícias

Banca de QUALIFICAÇÃO: CLEDJAN TORRES DA COSTA

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE: CLEDJAN TORRES DA COSTA
DATA: 27/11/2023
HORA: 14:00
LOCAL: Sala Virtual
TÍTULO: União de Dados por Clusterização para Construção de Modelos de Predição de Evasão
PALAVRAS-CHAVES: mineração de dados educacionais. predição de evasão. clusterização. classificação.
PÁGINAS: 104
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
RESUMO:

O rápido avanço da tecnologia, sobretudo nas instituições de ensino, tem dado origem a vastos volumes de dados que, por meio do processo de Descoberta de Conhecimento em Bancos de Dados, têm o potencial de proporcionar consideráveis benefícios a instituições, estudantes, professores e colaboradores. Este estudo se concentra na aplicação desse processo para a previsão da evasão escolar, enfocando uma situação em que os conjuntos de dados podem não ser tão extensos quando considerados em um contexto de cursos individuais. No entanto, quando esses conjuntos são agrupados com outros que compartilham características semelhantes, podem aprimorar significativamente a capacidade preditiva. Para atingir esse objetivo, adotou-se uma abordagem de duas etapas em cascata. Na primeira etapa, uma abordagem não supervisionada de clusterização foi empregada, visando agrupar cursos com características afins. A segunda etapa, por sua vez, empregou uma técnica supervisionada de classificação para criar modelos de predição de evasão. Esses modelos foram criados tanto de forma individualizada para cada curso como a partir de dados de cursos agrupados, seguindo a estrutura definida pelo algoritmo de clusterização da etapa anterior. Essa abordagem permitiu uma comparação direta entre os modelos. Além disso, a temporalidade dos dados foi levada em consideração, com a divisão dos dados em períodos, do 1º ao 8º, sendo o último, na maioria dos cursos, o semestre de conclusão esperado. Os resultados obtidos destacam a eficácia da utilização de agrupamentos de cursos por meio da clusterização para otimizar a capacidade preditiva dos modelos de evasão escolar


MEMBROS DA BANCA:
Presidente - 1632667 - ANDRE MACEDO SANTANA
Interno - 2061294 - RICARDO DE ANDRADE LIRA RABELO
Interno - 1446435 - VINICIUS PONTE MACHADO
Notícia cadastrada em: 10/11/2023 14:26
SIGAA | Superintendência de Tecnologia da Informação - STI/UFPI - (86) 3215-1124 | © UFRN | sigjb04.ufpi.br.sigaa 19/04/2024 09:01