Notícias

Banca de QUALIFICAÇÃO: MAURÍLIO LACERDA LEONEL JÚNIOR

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE: MAURÍLIO LACERDA LEONEL JÚNIOR
DATA: 29/11/2023
HORA: 14:00
LOCAL: Sala Virtual
TÍTULO: Análise de Técnicas de Ensemble para Predição de Evasão Universitária com modelos de Janelas Semestrais
PALAVRAS-CHAVES: MDE. Evasão. Janelas Semestrais. Métodos Ensemble.
PÁGINAS: 67
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
RESUMO:

Com o aumento no volume de dados gerados pelos sistemas de informação educacionais, a Mineração de Dados se tornou uma abordagem promissora de investigação sobre importan- tes causas educacionais, como a evasão no ensino superior. Segundo Hipolito (2023), mais de 2,3 milhões de alunos elegíveis para matrícula em 2021 abandonaram o ensino superior, de acordo com o censo mais recente da educação superior, resultando em um prejuízo financeiro superior a R$ 23 bilhões. Neste estudo de Mineração de Dados Educacionais (MDE), desenvolvemos modelos de classificação com aprendizado supervisionado e aplicamos dois tipos de métodos Ensemble a dados reais coletados de uma Instituição Federalde Ensino Superior. No primeiro cenário, criamos modelos do tipo Bagging utilizando a estratégia de Janelas Semestrais na construção dos conjuntos de dados envolvidos. No segundo cenário, além da abordagem de Janelas Semestrais (Nível Período), criamos conjuntos de dados em outros dois níveis adicionais (Curso e Instituição) e combinamos os modelos gerados (cada um associado a um conjunto de dados de nível distinto) por meio de técnicas de Ensemble Stacking. Essa abordagem resultou na criação de modelos combinados mais robustos para cada período. Os resultados obtidos em ambos os cenários sugerem que o uso de métodos ensemble na previsão de evasão, especialmente quando são formadas combinações de modelos com conjuntos de dados distintos, tornou as predições mais eficazes em termos de acurácia, mesmo utilizando um único estimador-base em todos os modelos. Além disso, a diversidade implícita nestes modelos, criados com dados de diferentes níveis, pode ser ainda melhor explorada para alcançar excelentes resultados.


MEMBROS DA BANCA:
Presidente - 1632667 - ANDRE MACEDO SANTANA
Interno - 1226761 - RAIMUNDO SANTOS MOURA
Interno - 1446435 - VINICIUS PONTE MACHADO
Notícia cadastrada em: 10/11/2023 14:30
SIGAA | Superintendência de Tecnologia da Informação - STI/UFPI - (86) 3215-1124 | © UFRN | sigjb06.ufpi.br.instancia1 23/04/2024 16:53