Previsão automática de evasão estudantil: um estudo de caso na UFCG.
| Ano de defesa: | 2016 |
|---|---|
| Autor(a) principal: | |
| Orientador(a): | |
| Banca de defesa: | |
| Tipo de documento: | Dissertação |
| Tipo de acesso: | Acesso aberto |
| Idioma: | por |
| Instituição de defesa: |
Universidade Federal de Campina Grande
Brasil Centro de Engenharia Elétrica e Informática - CEEI PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO UFCG |
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: | |
| Link de acesso: | http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/800 |
Resumo: | A evasão estudantil é uma das maiores preocupações dos institutos de ensino superior brasileiros já que ela pode ser uma das causas de desperdício de recursos da Universidade. A previsão dos estudantes com alta probabilidade de evasão, assim como o entendimento das causas que os levaram a evadir, são fatores cruciais para a definição mais efetiva de ações preventivas para o problema. Nesta dissertação, o problema da detecção de evasão foi abordado como um problema de aprendizagem de máquina supervisionada. Utilizou-se uma amostra de registros acadêmicos de estudantes considerando-se todos os 76 cursos da Universidade Federal de Campina Grande com o objetivo de obter e selecionar atributos informativos para os modelos de classificação e foram criados dois tipos de modelos, um que separa os estudantes por cursos e outro que não faz distinção de cursos. Os dois modelos criados foram comparados e pôde-se concluir que não fazer distinção de alunos por curso resulta em melhores resultados que fazer distinção de alunos por curso. |
| id |
UCB-2_19926efaa6ca612a5e74fe9cccc7fd1e |
|---|---|
| oai_identifier_str |
oai:localhost:riufcg/800 |
| network_acronym_str |
UCB-2 |
| network_name_str |
Repositório Institucional da UCB |
| repository_id_str |
|
| spelling |
Previsão automática de evasão estudantil: um estudo de caso na UFCG.Evasão EstudantilProbabilidade de Evasão - Estudantes - UniversidadesLearning AnalyticsEducational Data MiningDissertação - Ciência da ComputaçãoCiênciasCiência da ComputaçãoA evasão estudantil é uma das maiores preocupações dos institutos de ensino superior brasileiros já que ela pode ser uma das causas de desperdício de recursos da Universidade. A previsão dos estudantes com alta probabilidade de evasão, assim como o entendimento das causas que os levaram a evadir, são fatores cruciais para a definição mais efetiva de ações preventivas para o problema. Nesta dissertação, o problema da detecção de evasão foi abordado como um problema de aprendizagem de máquina supervisionada. Utilizou-se uma amostra de registros acadêmicos de estudantes considerando-se todos os 76 cursos da Universidade Federal de Campina Grande com o objetivo de obter e selecionar atributos informativos para os modelos de classificação e foram criados dois tipos de modelos, um que separa os estudantes por cursos e outro que não faz distinção de cursos. Os dois modelos criados foram comparados e pôde-se concluir que não fazer distinção de alunos por curso resulta em melhores resultados que fazer distinção de alunos por curso.Students’ dropout is a major concern of the Brazilian higher education institutions as it may cause waste of resources. The early detection of students with high probability of dropping out, as well as understanding the underlying causes, are crucial for defining more effective actions toward preventing this problem. In this paper, we cast the dropout detection problem as a supervised learning problem. We use a large sample of academic records of students across 76 courses from a public university in Brazil in order to derive and select informative features for the employed classifiers. We create two classification models that either consider the course to which the target student is formally committed or not consider it, respectively. We contrast both models and show that not considering the course leads to better results.Universidade Federal de Campina GrandeBrasilCentro de Engenharia Elétrica e Informática - CEEIPÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃOUFCGMARINHO, Leandro Balby.MARINHO, L. B.http://lattes.cnpq.br/3728312501032061FARIAS, Adalberto Cajueiro de.Farias, Adalbertohttp://lattes.cnpq.br/9462873740250320MELO, Allan Sales da Costa.20162018-05-24T14:28:20Z2018-05-242018-05-24T14:28:20Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesishttp://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/800MELO, A. S. da C. Previsão automática de evasão estudantil: um estudo de caso na UFCG. 2016. 54 f. Dissertação (Mestrado em Ciência da Computação) – Programa de Pós-Graduação em Ciência da Computação, Centro de Engenharia Elétrica e Informática, Universidade Federal de Campina Grande, Paraíba, Brasil, 2016. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/800porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UCBinstname:Universidade Católica de Brasília (UCB)instacron:UCB2022-03-25T12:50:44Zoai:localhost:riufcg/800Repositório InstitucionalPRIhttps://repositorio.ucb.br/oai/requestsara.ribeiro@ucb.bropendoar:2022-03-25T12:50:44Repositório Institucional da UCB - Universidade Católica de Brasília (UCB)false |
| dc.title.none.fl_str_mv |
Previsão automática de evasão estudantil: um estudo de caso na UFCG. |
| title |
Previsão automática de evasão estudantil: um estudo de caso na UFCG. |
| spellingShingle |
Previsão automática de evasão estudantil: um estudo de caso na UFCG. MELO, Allan Sales da Costa. Evasão Estudantil Probabilidade de Evasão - Estudantes - Universidades Learning Analytics Educational Data Mining Dissertação - Ciência da Computação Ciências Ciência da Computação |
| title_short |
Previsão automática de evasão estudantil: um estudo de caso na UFCG. |
| title_full |
Previsão automática de evasão estudantil: um estudo de caso na UFCG. |
| title_fullStr |
Previsão automática de evasão estudantil: um estudo de caso na UFCG. |
| title_full_unstemmed |
Previsão automática de evasão estudantil: um estudo de caso na UFCG. |
| title_sort |
Previsão automática de evasão estudantil: um estudo de caso na UFCG. |
| author |
MELO, Allan Sales da Costa. |
| author_facet |
MELO, Allan Sales da Costa. |
| author_role |
author |
| dc.contributor.none.fl_str_mv |
MARINHO, Leandro Balby. MARINHO, L. B. http://lattes.cnpq.br/3728312501032061 FARIAS, Adalberto Cajueiro de. Farias, Adalberto http://lattes.cnpq.br/9462873740250320 |
| dc.contributor.author.fl_str_mv |
MELO, Allan Sales da Costa. |
| dc.subject.por.fl_str_mv |
Evasão Estudantil Probabilidade de Evasão - Estudantes - Universidades Learning Analytics Educational Data Mining Dissertação - Ciência da Computação Ciências Ciência da Computação |
| topic |
Evasão Estudantil Probabilidade de Evasão - Estudantes - Universidades Learning Analytics Educational Data Mining Dissertação - Ciência da Computação Ciências Ciência da Computação |
| description |
A evasão estudantil é uma das maiores preocupações dos institutos de ensino superior brasileiros já que ela pode ser uma das causas de desperdício de recursos da Universidade. A previsão dos estudantes com alta probabilidade de evasão, assim como o entendimento das causas que os levaram a evadir, são fatores cruciais para a definição mais efetiva de ações preventivas para o problema. Nesta dissertação, o problema da detecção de evasão foi abordado como um problema de aprendizagem de máquina supervisionada. Utilizou-se uma amostra de registros acadêmicos de estudantes considerando-se todos os 76 cursos da Universidade Federal de Campina Grande com o objetivo de obter e selecionar atributos informativos para os modelos de classificação e foram criados dois tipos de modelos, um que separa os estudantes por cursos e outro que não faz distinção de cursos. Os dois modelos criados foram comparados e pôde-se concluir que não fazer distinção de alunos por curso resulta em melhores resultados que fazer distinção de alunos por curso. |
| publishDate |
2016 |
| dc.date.none.fl_str_mv |
2016 2018-05-24T14:28:20Z 2018-05-24 2018-05-24T14:28:20Z |
| dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
| format |
masterThesis |
| status_str |
publishedVersion |
| dc.identifier.uri.fl_str_mv |
http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/800 MELO, A. S. da C. Previsão automática de evasão estudantil: um estudo de caso na UFCG. 2016. 54 f. Dissertação (Mestrado em Ciência da Computação) – Programa de Pós-Graduação em Ciência da Computação, Centro de Engenharia Elétrica e Informática, Universidade Federal de Campina Grande, Paraíba, Brasil, 2016. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/800 |
| url |
http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/800 |
| identifier_str_mv |
MELO, A. S. da C. Previsão automática de evasão estudantil: um estudo de caso na UFCG. 2016. 54 f. Dissertação (Mestrado em Ciência da Computação) – Programa de Pós-Graduação em Ciência da Computação, Centro de Engenharia Elétrica e Informática, Universidade Federal de Campina Grande, Paraíba, Brasil, 2016. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/800 |
| dc.language.iso.fl_str_mv |
por |
| language |
por |
| dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
| eu_rights_str_mv |
openAccess |
| dc.publisher.none.fl_str_mv |
Universidade Federal de Campina Grande Brasil Centro de Engenharia Elétrica e Informática - CEEI PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO UFCG |
| publisher.none.fl_str_mv |
Universidade Federal de Campina Grande Brasil Centro de Engenharia Elétrica e Informática - CEEI PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO UFCG |
| dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UCB instname:Universidade Católica de Brasília (UCB) instacron:UCB |
| instname_str |
Universidade Católica de Brasília (UCB) |
| instacron_str |
UCB |
| institution |
UCB |
| reponame_str |
Repositório Institucional da UCB |
| collection |
Repositório Institucional da UCB |
| repository.name.fl_str_mv |
Repositório Institucional da UCB - Universidade Católica de Brasília (UCB) |
| repository.mail.fl_str_mv |
sara.ribeiro@ucb.br |
| _version_ |
1834013132421332992 |