SAM : uma abordagem específica de mineração de dados socioeconômicos de alunos do IF Amazonas para apoio ao processo de concessão de assistência estudantil

Detalhes bibliográficos
Ano de defesa: 2020
Autor(a) principal: SOARES, Gabriel Clávila
Orientador(a): SOUZA, Fernando da Fonseca de
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal de Pernambuco
Programa de Pós-Graduação: Programa de Pos Graduacao em Ciencia da Computacao
Departamento: Não Informado pela instituição
País: Brasil
Palavras-chave em Português:
Banco de dados
Descoberta do Conhecimento
CRISP-DM
Análise Comparativa de Algoritmos
Link de acesso: https://repositorio.ufpe.br/handle/123456789/38104
Resumo: Os recursos tecnológicos vêm cada vez mais sendo utilizados pelas organizações, sejam elas públicas ou privadas, para armazenar os seus dados, desde instituições públicas de ensino até grandes corporações financeiras. Com isso, todos os dias surgem novas bases com grandes volumes de dados armazenados. Entretanto, devido à grande quantidade de dados que só aumenta a cada dia, torna-se inviável a realização da análise desses dados de forma manual por pessoas. Visando automatizar este processo de análise de grandes bases de dados e transformá-los em conhecimento útil se faz necessária a aplicação da Mineração de Dados por meio de algoritmos. Atualmente os Institutos Federais de Educação, Ciência e Tecnologia utilizam o Plano Nacional de Assistência Estudantil (PNAES) que objetiva conceder bolsas financeiras de auxílios aos estudantes em situação de vulnerabilidade socioeconômica. Porém, esse processo de seleção para concessão das bolsas de assistência estudantil demanda um certo tempo para a análise socioeconômica dos alunos. Além disso, os dados armazenados não estão sendo explorados para gerar conhecimento útil. Diante disso, surge a questão: Qual processo automatizado que utilize o algoritmo de mineração de dados mais eficiente e eficaz para identificar quais alunos estão aptos a receber a assistência estudantil? Portanto, esta pesquisa objetiva desenvolver uma abordagem específica de Mineração de Dados Socioeconômicos dos alunos do Instituto Federal do Amazonas visando automatizar o processo de concessão da assistência estudantil. Para isso, também será necessário realizar uma análise comparativa dos algoritmos de mineração visando identificar qual é o mais eficiente e eficaz em predizer os alunos aptos a receber a assistência estudantil. Por fim, esta abordagem deve gerar conhecimento útil como evidenciar o perfil do aluno em situação de vulnerabilidade socioeconômica do Instituto Federal do Amazonas.
id UFPE_d8eecfa4dcf07200ea747ce68fe6717d
oai_identifier_str oai:repositorio.ufpe.br:123456789/38104
network_acronym_str UFPE
network_name_str Repositório Institucional da UFPE
repository_id_str
spelling SOARES, Gabriel Clávilahttp://lattes.cnpq.br/3624805425554139http://lattes.cnpq.br/7076371974874150SOUZA, Fernando da Fonseca de2020-09-25T23:38:29Z2020-09-25T23:38:29Z2020-07-15SOARES, Gabriel Clávila. SAM: uma abordagem específica de mineração de dados socioeconômicos de alunos do IF Amazonas para apoio ao processo de concessão de assistência estudantil. 2020. Dissertação (Mestrado em Ciência da Computação) – Universidade Federal de Pernambuco, Recife, 2020.https://repositorio.ufpe.br/handle/123456789/38104Os recursos tecnológicos vêm cada vez mais sendo utilizados pelas organizações, sejam elas públicas ou privadas, para armazenar os seus dados, desde instituições públicas de ensino até grandes corporações financeiras. Com isso, todos os dias surgem novas bases com grandes volumes de dados armazenados. Entretanto, devido à grande quantidade de dados que só aumenta a cada dia, torna-se inviável a realização da análise desses dados de forma manual por pessoas. Visando automatizar este processo de análise de grandes bases de dados e transformá-los em conhecimento útil se faz necessária a aplicação da Mineração de Dados por meio de algoritmos. Atualmente os Institutos Federais de Educação, Ciência e Tecnologia utilizam o Plano Nacional de Assistência Estudantil (PNAES) que objetiva conceder bolsas financeiras de auxílios aos estudantes em situação de vulnerabilidade socioeconômica. Porém, esse processo de seleção para concessão das bolsas de assistência estudantil demanda um certo tempo para a análise socioeconômica dos alunos. Além disso, os dados armazenados não estão sendo explorados para gerar conhecimento útil. Diante disso, surge a questão: Qual processo automatizado que utilize o algoritmo de mineração de dados mais eficiente e eficaz para identificar quais alunos estão aptos a receber a assistência estudantil? Portanto, esta pesquisa objetiva desenvolver uma abordagem específica de Mineração de Dados Socioeconômicos dos alunos do Instituto Federal do Amazonas visando automatizar o processo de concessão da assistência estudantil. Para isso, também será necessário realizar uma análise comparativa dos algoritmos de mineração visando identificar qual é o mais eficiente e eficaz em predizer os alunos aptos a receber a assistência estudantil. Por fim, esta abordagem deve gerar conhecimento útil como evidenciar o perfil do aluno em situação de vulnerabilidade socioeconômica do Instituto Federal do Amazonas.Technological resources are increasingly being used by organizations, whether public or private, to store their data, ranging from public educational institutions to large financial corporations. As a result, new databases appear every day with large volumes of stored data. However, due to the large amount of data that increases every day, it is not feasible to carry out manual analysis on them. In order to automate such a process of analyzing large databases and transforming them into useful knowledge, it is necessary to apply Data Mining through algorithms. Currently, the Federal Institutes of Education, Science and Technology use the National Student Assistance Plan (PNAES) that is aimed at granting financial support to aid students under socioeconomic vulnerability. However, this selection process requires a considerable amount of time for the socioeconomic analysis of students. In addition, the stored data currently is not being explored to generate useful knowledge. Therefore, this question arises: What is automatized process along with the most efficient and effective data mining algorithm to identify which students are able to receive assistance? Therefore, this research is aimed at developing a specific approach for mining socioeconomic data of students enrolled at the Federal Institute of Amazonas to automate the process of granting student’s assistance. For this, it is also be necessary to carry out a comparative analysis of data mining algorithms in order to identify which is the most efficient and effective in predicting students able to receive such assistance. Finally, this approach shall also generate useful knowledge such as determining the profile of students under socioeconomic vulnerability at the Federal Institute of Amazonas.porUniversidade Federal de PernambucoPrograma de Pos Graduacao em Ciencia da ComputacaoUFPEBrasilAttribution-NonCommercial-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessBanco de dadosDescoberta do ConhecimentoCRISP-DMAnálise Comparativa de AlgoritmosSAM : uma abordagem específica de mineração de dados socioeconômicos de alunos do IF Amazonas para apoio ao processo de concessão de assistência estudantilinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesismestradoreponame:Repositório Institucional da UFPEinstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPEORIGINALDISSERTAÇÃO Gabriel Clávila Soares.pdfDISSERTAÇÃO Gabriel Clávila Soares.pdfapplication/pdf5151094https://repositorio.ufpe.br/bitstream/123456789/38104/1/DISSERTA%c3%87%c3%83O%20Gabriel%20Cl%c3%a1vila%20Soares.pdfdf0c6b06ef5d92357fffa221dbb0057eMD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repositorio.ufpe.br/bitstream/123456789/38104/2/license_rdfe39d27027a6cc9cb039ad269a5db8e34MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-82310https://repositorio.ufpe.br/bitstream/123456789/38104/3/license.txtbd573a5ca8288eb7272482765f819534MD53TEXTDISSERTAÇÃO Gabriel Clávila Soares.pdf.txtDISSERTAÇÃO Gabriel Clávila Soares.pdf.txtExtracted texttext/plain298006https://repositorio.ufpe.br/bitstream/123456789/38104/4/DISSERTA%c3%87%c3%83O%20Gabriel%20Cl%c3%a1vila%20Soares.pdf.txt14b4cfa7c78ed781489e58923664ef91MD54THUMBNAILDISSERTAÇÃO Gabriel Clávila Soares.pdf.jpgDISSERTAÇÃO Gabriel Clávila Soares.pdf.jpgGenerated Thumbnailimage/jpeg1245https://repositorio.ufpe.br/bitstream/123456789/38104/5/DISSERTA%c3%87%c3%83O%20Gabriel%20Cl%c3%a1vila%20Soares.pdf.jpg6ee4b7d68172c5619b084e28cffcb416MD55123456789/381042025-08-21 10:38:54.397oai:repositorio.ufpe.br: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ório InstitucionalPUBhttps://repositorio.ufpe.br/oai/requestattena@ufpe.bropendoar:22212025-08-21T13:38:54Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)false
dc.title.pt_BR.fl_str_mv SAM : uma abordagem específica de mineração de dados socioeconômicos de alunos do IF Amazonas para apoio ao processo de concessão de assistência estudantil
title SAM : uma abordagem específica de mineração de dados socioeconômicos de alunos do IF Amazonas para apoio ao processo de concessão de assistência estudantil
spellingShingle SAM : uma abordagem específica de mineração de dados socioeconômicos de alunos do IF Amazonas para apoio ao processo de concessão de assistência estudantil
SOARES, Gabriel Clávila
Banco de dados
Descoberta do Conhecimento
CRISP-DM
Análise Comparativa de Algoritmos
title_short SAM : uma abordagem específica de mineração de dados socioeconômicos de alunos do IF Amazonas para apoio ao processo de concessão de assistência estudantil
title_full SAM : uma abordagem específica de mineração de dados socioeconômicos de alunos do IF Amazonas para apoio ao processo de concessão de assistência estudantil
title_fullStr SAM : uma abordagem específica de mineração de dados socioeconômicos de alunos do IF Amazonas para apoio ao processo de concessão de assistência estudantil
title_full_unstemmed SAM : uma abordagem específica de mineração de dados socioeconômicos de alunos do IF Amazonas para apoio ao processo de concessão de assistência estudantil
title_sort SAM : uma abordagem específica de mineração de dados socioeconômicos de alunos do IF Amazonas para apoio ao processo de concessão de assistência estudantil
author SOARES, Gabriel Clávila
author_facet SOARES, Gabriel Clávila
author_role author
dc.contributor.authorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/3624805425554139
dc.contributor.advisorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/7076371974874150
dc.contributor.author.fl_str_mv SOARES, Gabriel Clávila
dc.contributor.advisor1.fl_str_mv SOUZA, Fernando da Fonseca de
contributor_str_mv SOUZA, Fernando da Fonseca de
dc.subject.por.fl_str_mv Banco de dados
Descoberta do Conhecimento
CRISP-DM
Análise Comparativa de Algoritmos
topic Banco de dados
Descoberta do Conhecimento
CRISP-DM
Análise Comparativa de Algoritmos
description Os recursos tecnológicos vêm cada vez mais sendo utilizados pelas organizações, sejam elas públicas ou privadas, para armazenar os seus dados, desde instituições públicas de ensino até grandes corporações financeiras. Com isso, todos os dias surgem novas bases com grandes volumes de dados armazenados. Entretanto, devido à grande quantidade de dados que só aumenta a cada dia, torna-se inviável a realização da análise desses dados de forma manual por pessoas. Visando automatizar este processo de análise de grandes bases de dados e transformá-los em conhecimento útil se faz necessária a aplicação da Mineração de Dados por meio de algoritmos. Atualmente os Institutos Federais de Educação, Ciência e Tecnologia utilizam o Plano Nacional de Assistência Estudantil (PNAES) que objetiva conceder bolsas financeiras de auxílios aos estudantes em situação de vulnerabilidade socioeconômica. Porém, esse processo de seleção para concessão das bolsas de assistência estudantil demanda um certo tempo para a análise socioeconômica dos alunos. Além disso, os dados armazenados não estão sendo explorados para gerar conhecimento útil. Diante disso, surge a questão: Qual processo automatizado que utilize o algoritmo de mineração de dados mais eficiente e eficaz para identificar quais alunos estão aptos a receber a assistência estudantil? Portanto, esta pesquisa objetiva desenvolver uma abordagem específica de Mineração de Dados Socioeconômicos dos alunos do Instituto Federal do Amazonas visando automatizar o processo de concessão da assistência estudantil. Para isso, também será necessário realizar uma análise comparativa dos algoritmos de mineração visando identificar qual é o mais eficiente e eficaz em predizer os alunos aptos a receber a assistência estudantil. Por fim, esta abordagem deve gerar conhecimento útil como evidenciar o perfil do aluno em situação de vulnerabilidade socioeconômica do Instituto Federal do Amazonas.
publishDate 2020
dc.date.accessioned.fl_str_mv 2020-09-25T23:38:29Z
dc.date.available.fl_str_mv 2020-09-25T23:38:29Z
dc.date.issued.fl_str_mv 2020-07-15
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.citation.fl_str_mv SOARES, Gabriel Clávila. SAM: uma abordagem específica de mineração de dados socioeconômicos de alunos do IF Amazonas para apoio ao processo de concessão de assistência estudantil. 2020. Dissertação (Mestrado em Ciência da Computação) – Universidade Federal de Pernambuco, Recife, 2020.
dc.identifier.uri.fl_str_mv https://repositorio.ufpe.br/handle/123456789/38104
identifier_str_mv SOARES, Gabriel Clávila. SAM: uma abordagem específica de mineração de dados socioeconômicos de alunos do IF Amazonas para apoio ao processo de concessão de assistência estudantil. 2020. Dissertação (Mestrado em Ciência da Computação) – Universidade Federal de Pernambuco, Recife, 2020.
url https://repositorio.ufpe.br/handle/123456789/38104
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv Attribution-NonCommercial-NoDerivs 3.0 Brazil
http://creativecommons.org/licenses/by-nc-nd/3.0/br/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Attribution-NonCommercial-NoDerivs 3.0 Brazil
http://creativecommons.org/licenses/by-nc-nd/3.0/br/
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de Pernambuco
dc.publisher.program.fl_str_mv Programa de Pos Graduacao em Ciencia da Computacao
dc.publisher.initials.fl_str_mv UFPE
dc.publisher.country.fl_str_mv Brasil
publisher.none.fl_str_mv Universidade Federal de Pernambuco
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPE
instname:Universidade Federal de Pernambuco (UFPE)
instacron:UFPE
instname_str Universidade Federal de Pernambuco (UFPE)
instacron_str UFPE
institution UFPE
reponame_str Repositório Institucional da UFPE
collection Repositório Institucional da UFPE
bitstream.url.fl_str_mv https://repositorio.ufpe.br/bitstream/123456789/38104/1/DISSERTA%c3%87%c3%83O%20Gabriel%20Cl%c3%a1vila%20Soares.pdf
https://repositorio.ufpe.br/bitstream/123456789/38104/2/license_rdf
https://repositorio.ufpe.br/bitstream/123456789/38104/3/license.txt
https://repositorio.ufpe.br/bitstream/123456789/38104/4/DISSERTA%c3%87%c3%83O%20Gabriel%20Cl%c3%a1vila%20Soares.pdf.txt
https://repositorio.ufpe.br/bitstream/123456789/38104/5/DISSERTA%c3%87%c3%83O%20Gabriel%20Cl%c3%a1vila%20Soares.pdf.jpg
bitstream.checksum.fl_str_mv df0c6b06ef5d92357fffa221dbb0057e
e39d27027a6cc9cb039ad269a5db8e34
bd573a5ca8288eb7272482765f819534
14b4cfa7c78ed781489e58923664ef91
6ee4b7d68172c5619b084e28cffcb416
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)
repository.mail.fl_str_mv attena@ufpe.br
_version_ 1862741723179909120

Registros relacionados