Notícias

Banca de QUALIFICAÇÃO: FRANCISCO ALYSSON DA SILVA SOUSA

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE: FRANCISCO ALYSSON DA SILVA SOUSA
DATA: 04/12/2023
HORA: 14:00
LOCAL: Sala de Video Conferência PPGCC
TÍTULO: Avaliação de modelos preditivos baseados em aprendizagem de máquina no contexto da evasão escolar considerando um cenário multicampi
PALAVRAS-CHAVES: Aprendizagem de Máquina, Evasão, Modelos Preditivos
PÁGINAS: 66
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
SUBÁREA: Metodologia e Técnicas da Computação
ESPECIALIDADE: Sistemas de Informação
RESUMO:

A evasão escolar assim como os fatores diversos relacionados a esse comportamento
despontam como um dos grandes desafios ao pleno desenvolvimento da educação. No
contexto nacional, estima-se que 27% do número total de alunos matriculados não concluem
o percurso formativo previsto nas respectivas ofertas (BRASIL, 2023). Delimitando-se na
proposta da Rede Federal de Educação Profissional, Científica e Tecnológica (RFEPCT),
especificamente na Educação Profissional Técnica de Nível Médio (EPTNM) ofertada
no Instituto Federal do Piauí(IFPI), esse estudo identificou um alarmante decréscimo
no número de concluíntes que já supera os 47% no percentual acumulado nos últimos 5
(cinco) anos conforme estatísticas oficiais apresentadas na Plataforma Nilo Peçanha (PNP)
(PNP, 2023). Assim, a identificação de forma prévia da tendência a esse comportamento
certamente contribui como subsídio para o direcionamento de estratégias de enfrentamento.
Nesse sentido, o uso da inteligência artificial, especificamente em sua subárea denominada
aprendizagem de máquina, apresenta-se como importante recurso preditivo de apoio à
gestão. É nessa perspectiva que se define a proposta deste trabalho em avaliar classificadores
quanto a ocorrência de evasão no âmbito do ensino técnico no IFPI, para tanto, os 5
algoritmos utilizados foram submetidos a análises comparativas a partir de estudos de
casos com dados extraídos da PNP, sistema do Ministério de Educação alimentado e
validado diretamente pelas instituições. Os resultados preliminares apresentam as médias
de desempenho considerando todas as unidades de ensino da instituição destacando
ainda os melhores resultados individuais, os valores obtidos expressam a sensibilidade e a
especificidade dos modelos resumidas pela métrica f1.


MEMBROS DA BANCA:
Presidente - 1446435 - VINICIUS PONTE MACHADO
Interno - 1632667 - ANDRE MACEDO SANTANA
Interno - 1579396 - RODRIGO DE MELO SOUZA VERAS
Notícia cadastrada em: 08/11/2023 09:40
SIGAA | Superintendência de Tecnologia da Informação - STI/UFPI - (86) 3215-1124 | © UFRN | sigjb07.ufpi.br.instancia1 23/02/2024 15:07