Uso de ontologias e machine learning para auxiliar em processos de prevenção da evasão escolar

• Ano de defesa: 2022
• Autor(a) principal: Silva, Eduardo Moura da
• Orientador(a): Ruy, Fabiano Borges
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Ifes; Serra
• Palavras-chave em Português: School Dropout; Semantic Data Integration; Machine Learning; Ontologies; Evasão escolar; Inteligência artificial; Ontologia; Aprendizado de Máquina
• Link de acesso: https://repositorio.ifes.edu.br/handle/123456789/3443

A Evasão escolar é um relevante problema social que ocorre em grande escala e traz grandes impactos para todos, principalmente para os alunos. Esse cenário se agravou com a pandemia da COVID-19. De acordo com G1 (2021), baseado em dados da Pesquisa Nacional por Amostra de Domicílios Contínua (PNAD Contínua), cerca de 244 mil crianças e adolescentes entre 6 e 14 anos estavam fora da escola no segundo trimestre de 2021. O número representa um aumento de 171% em comparação a 2019, quando 90 mil crianças estavam fora da escola. Os dados acerca da evasão estão em diferentes bases de dados, que possuem modelagens e schemas diferentes. Portanto, esta pesquisa têm como principais requisitos: construir formas de padronizar os dados do domínio, apoiar a descoberta de fatores que contribuem para a evasão escolar e como estão associados a dados (acadêmicos e socioeconômicos) dos alunos, e prover uma forma de criar modelos de ML para diferentes fontes de dados que sejam aplicáveis a diferentes contextos e instituições educacionais para realizar a predição da evasão escolar. Com estes objetivos, propor soluções técnicas que possam auxiliar gestores escolares a direcionarem as estratégias pedagógicas para alunos que possuem maiores riscos de evadirem. A abordagem proposta neste trabalho possibilita a aplicação de análises de dados de evasão escolar de forma mais ampla. Com os repositórios padronizados segundo a ontologia, é possível realizar análises baseadas em um maior volume de dados, o que favorece as identificações de padrões de evasão, bem como a realização de análises estatísticas. Com os avanços na área de Inteligência Artificial, estudos e aplicações combinando Machine Learning (ML) e ontologias estão cada vez mais presentes. Nessa interseção, as ontologias possibilitam uma melhor compreensão do domínio e dos dados, o que é essencial para fornecer integração semântica de diferentes fontes de dados e para favorecer uma aplicação adequada das técnicas de ML. Este trabalho demonstra como essa combinação favorece o desenvolvimento de recursos tecnológicos para predição da evasão escolar que podem ser aplicados a diferentes instituições de ensino.