Aplicação do algoritmo de classificação associativa (CBA) em bases educacionais para predição de desempenho

Detalhes bibliográficos
Ano de defesa: 2017
Autor(a) principal: Fernandes, Warley Leite
Orientador(a): Pitangui, Cristiano Grijó
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: UFVJM
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Link de acesso: https://acervo.ufvjm.edu.br/items/b3582119-d229-489b-ba77-5fb3bfbc3eb6
Resumo: A Educação a Distância (EAD) tem-se confirmado como importante ferramenta de capacitação a qualquer tempo e distância. Porém, a maioria das Instituições de Ensino tem encontrado dificuldades relacionadas ao grande número de abandono dos cursos. Avanços recentes em diversas áreas da tecnologia possibilitaram o surgimento das Tecnologias da Informação e Comunicação que se tornaram essenciais à condução dos processos educacionais. Assim, imensos volumes de dados são gerados pela interação de usuários em Ambientes Virtuais de Aprendizagem (AVA). Esses dados “escondem” informações ricas. Contudo, manipular tamanha quantidade de dados não é uma tarefa simples. Neste sentido, uma solução promissora para extração de informação é a Mineração de Dados, que pode ser entendida como a transformação de dados brutos em conhecimento. Essa pesquisa apresenta um estudo para compreender os motivos do baixo desempenho dos alunos em cursos técnicos da EAD aplicando, para isto, o algoritmo de Classificação Associativa (CBA) em Mineração de Dados Educacionais (EDM). Com o objetivo de gerar os melhores resultados preditivos de Classificação Associativa obtidos pelo CBA, aplicou-se o algoritmo de Regras de Associação denominado Predictive Apriori,ainda não empregados em trabalhos correlatos. Os resultados experimentais apontam que o CBA aplicado a Bases de Dados Educacionais atinge melhores resultados que os algoritmos de classificação tradicionais (alcançando uma marca de 85% de acurácia). Mostrou-se também que o uso das ferramentas fórum, quiz e folder têm uma grande influência no desempenho dos estudantes.
id UFVJM-2_e64103fe7d6d9d314c18e99f382e7cfc
oai_identifier_str oai:localhost:1/1726
network_acronym_str UFVJM-2
network_name_str Repositório Institucional da UFVJM
repository_id_str
spelling Fernandes, Warley LeitePitangui, Cristiano GrijóTeixeira, Josiane MagalhãesAndrade, Alessandro VivasUniversidade Federal dos Vales do Jequitinhonha e Mucuri (UFVJM)Pitangui, Cristiano Grijó2018-06-05T14:49:36Z2018-06-05T14:49:36Z20172017-11-08FERNANDES, Warley Leite. Aplicação do algoritmo de classificação associativa (CBA) em bases educacionais para predição de desempenho. 2017. 85 p. Dissertação (Mestrado Profissional) – Programa de Pós-Graduação em Educação, Universidade Federal dos Vales do Jequitinhonha e Mucuri, Diamantina, 2017.https://acervo.ufvjm.edu.br/items/b3582119-d229-489b-ba77-5fb3bfbc3eb6A Educação a Distância (EAD) tem-se confirmado como importante ferramenta de capacitação a qualquer tempo e distância. Porém, a maioria das Instituições de Ensino tem encontrado dificuldades relacionadas ao grande número de abandono dos cursos. Avanços recentes em diversas áreas da tecnologia possibilitaram o surgimento das Tecnologias da Informação e Comunicação que se tornaram essenciais à condução dos processos educacionais. Assim, imensos volumes de dados são gerados pela interação de usuários em Ambientes Virtuais de Aprendizagem (AVA). Esses dados “escondem” informações ricas. Contudo, manipular tamanha quantidade de dados não é uma tarefa simples. Neste sentido, uma solução promissora para extração de informação é a Mineração de Dados, que pode ser entendida como a transformação de dados brutos em conhecimento. Essa pesquisa apresenta um estudo para compreender os motivos do baixo desempenho dos alunos em cursos técnicos da EAD aplicando, para isto, o algoritmo de Classificação Associativa (CBA) em Mineração de Dados Educacionais (EDM). Com o objetivo de gerar os melhores resultados preditivos de Classificação Associativa obtidos pelo CBA, aplicou-se o algoritmo de Regras de Associação denominado Predictive Apriori,ainda não empregados em trabalhos correlatos. Os resultados experimentais apontam que o CBA aplicado a Bases de Dados Educacionais atinge melhores resultados que os algoritmos de classificação tradicionais (alcançando uma marca de 85% de acurácia). Mostrou-se também que o uso das ferramentas fórum, quiz e folder têm uma grande influência no desempenho dos estudantes.Dissertação (Mestrado Profissional) – Programa de Pós-Graduação em Educação, Universidade Federal dos Vales do Jequitinhonha e Mucuri, 2017.Distance Education (EAD) has been confirmed as an important training tool at any time and distance. However, most educational institutions have encountered difficulties related to the large number of dropouts. Recent advances in several areas of technology have enabled the emergence of Information and Communication Technologies that have become essential to the conduct of educational processes. Thus, immense data volumes are generated by the interaction of users in Virtual Learning Environments (AVA). These data "hide" rich information. However, handling such a large amount of data is not a simple task. In this sense, a promising solution for information extraction is Data Mining, which can be understood as the transformation of raw data into knowledge. This research presents a study to understand the reasons of the low performance of students in technical courses of the EAD applying, to this, the Association Classification (CBA) algorithm in Educational Data Mining (EDM). In order to further improve the results obtained by the CBA, the Association Rules algorithm called Predictive Apriori, not yet employed in related works, was applied in order to generate the best predictive results of Associative Classification. The experimental results point out that the CBA applied to Educational Databases achieves better results than traditional classification algorithms (reaching a mark of 85% accuracy). It was also shown that the use of the forum, quiz and folder tools have a great influence on student performance.porUFVJMA concessão da licença deste item refere-se ao à termo de autorização impresso assinado pelo autor, assim como na licença Creative Commons, com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade Federal dos Vales do Jequitinhonha e Mucuri e o IBICT a disponibilizar por meio de seus repositórios, sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, e preservação, a partir desta data.info:eu-repo/semantics/openAccessAplicação do algoritmo de classificação associativa (CBA) em bases educacionais para predição de desempenhoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisMineração de dados educacionaisEducação a DistânciaAmbientes virtuaisEducational data miningDistance EducationVirtual environmentsreponame:Repositório Institucional da UFVJMinstname:Universidade Federal dos Vales do Jequitinhonha e Mucuri (UFVJM)instacron:UFVJMTHUMBNAILwarley_leite_fernandes.pdf.jpgwarley_leite_fernandes.pdf.jpgGenerated Thumbnailimage/jpeg2537https://acervo.ufvjm.edu.br//bitstreams/b4d702d1-c274-4ad9-b900-fb64ec96fbc4/download12c9497d096892d853cee237b54ed43dMD57falseAnonymousREADORIGINALwarley_leite_fernandes.pdfwarley_leite_fernandes.pdfapplication/pdf2460576https://acervo.ufvjm.edu.br//bitstreams/7e6e6f74-c73b-4413-97b7-6b2f36aa8495/downloadd929e82a2e47dac8f54b1a1d52ed28fbMD51trueAnonymousREADCC-LICENSElicense_urllicense_urltext/plain; charset=utf-849https://acervo.ufvjm.edu.br//bitstreams/c433f1c1-7296-47ba-b3b0-f0452e225a0b/download4afdbb8c545fd630ea7db775da747b2fMD52falseAnonymousREADlicense_textlicense_texttext/html; charset=utf-80https://acervo.ufvjm.edu.br//bitstreams/3e4809f9-3189-4d86-8ff2-1b97188c74ef/downloadd41d8cd98f00b204e9800998ecf8427eMD53falseAnonymousREADlicense_rdflicense_rdfapplication/rdf+xml; charset=utf-80https://acervo.ufvjm.edu.br//bitstreams/7faeed9e-432e-41ed-add0-633b15162d68/downloadd41d8cd98f00b204e9800998ecf8427eMD54falseAnonymousREADLICENSElicense.txtlicense.txttext/plain; charset=utf-82157https://acervo.ufvjm.edu.br//bitstreams/0a96539c-048a-45bc-9c7c-5c80189922d2/downloadc0fe10782d3e2994b7c028f47c86ff9eMD55falseAnonymousREADTEXTwarley_leite_fernandes.pdf.txtwarley_leite_fernandes.pdf.txtExtracted texttext/plain161928https://acervo.ufvjm.edu.br//bitstreams/6d69cedc-c3d2-46cc-ae3f-f39051930ff3/download0f8648aa1f0f435f550b5d3ecff286f9MD56falseAnonymousREAD1/17262024-09-12 06:27:27.087open.accessoai:localhost:1/1726https://acervo.ufvjm.edu.br/Repositório InstitucionalPUBhttps://repositorio.ufvjm.edu.brrepositorio@ufvjm.edu.bropendoar:21452024-09-12T06:27:27Repositório Institucional da UFVJM - Universidade Federal dos Vales do Jequitinhonha e Mucuri (UFVJM)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
dc.title.pt_BR.fl_str_mv Aplicação do algoritmo de classificação associativa (CBA) em bases educacionais para predição de desempenho
title Aplicação do algoritmo de classificação associativa (CBA) em bases educacionais para predição de desempenho
spellingShingle Aplicação do algoritmo de classificação associativa (CBA) em bases educacionais para predição de desempenho
Fernandes, Warley Leite
Mineração de dados educacionais
Educação a Distância
Ambientes virtuais
Educational data mining
Distance Education
Virtual environments
title_short Aplicação do algoritmo de classificação associativa (CBA) em bases educacionais para predição de desempenho
title_full Aplicação do algoritmo de classificação associativa (CBA) em bases educacionais para predição de desempenho
title_fullStr Aplicação do algoritmo de classificação associativa (CBA) em bases educacionais para predição de desempenho
title_full_unstemmed Aplicação do algoritmo de classificação associativa (CBA) em bases educacionais para predição de desempenho
title_sort Aplicação do algoritmo de classificação associativa (CBA) em bases educacionais para predição de desempenho
author Fernandes, Warley Leite
author_facet Fernandes, Warley Leite
author_role author
dc.contributor.referee.none.fl_str_mv Pitangui, Cristiano Grijó
Teixeira, Josiane Magalhães
Andrade, Alessandro Vivas
dc.contributor.institution.pt_BR.fl_str_mv Universidade Federal dos Vales do Jequitinhonha e Mucuri (UFVJM)
dc.contributor.author.fl_str_mv Fernandes, Warley Leite
dc.contributor.advisor1.fl_str_mv Pitangui, Cristiano Grijó
contributor_str_mv Pitangui, Cristiano Grijó
dc.subject.keyword.pt_BR.fl_str_mv Mineração de dados educacionais
Educação a Distância
Ambientes virtuais
topic Mineração de dados educacionais
Educação a Distância
Ambientes virtuais
Educational data mining
Distance Education
Virtual environments
dc.subject.keyword.en.fl_str_mv Educational data mining
Distance Education
Virtual environments
description A Educação a Distância (EAD) tem-se confirmado como importante ferramenta de capacitação a qualquer tempo e distância. Porém, a maioria das Instituições de Ensino tem encontrado dificuldades relacionadas ao grande número de abandono dos cursos. Avanços recentes em diversas áreas da tecnologia possibilitaram o surgimento das Tecnologias da Informação e Comunicação que se tornaram essenciais à condução dos processos educacionais. Assim, imensos volumes de dados são gerados pela interação de usuários em Ambientes Virtuais de Aprendizagem (AVA). Esses dados “escondem” informações ricas. Contudo, manipular tamanha quantidade de dados não é uma tarefa simples. Neste sentido, uma solução promissora para extração de informação é a Mineração de Dados, que pode ser entendida como a transformação de dados brutos em conhecimento. Essa pesquisa apresenta um estudo para compreender os motivos do baixo desempenho dos alunos em cursos técnicos da EAD aplicando, para isto, o algoritmo de Classificação Associativa (CBA) em Mineração de Dados Educacionais (EDM). Com o objetivo de gerar os melhores resultados preditivos de Classificação Associativa obtidos pelo CBA, aplicou-se o algoritmo de Regras de Associação denominado Predictive Apriori,ainda não empregados em trabalhos correlatos. Os resultados experimentais apontam que o CBA aplicado a Bases de Dados Educacionais atinge melhores resultados que os algoritmos de classificação tradicionais (alcançando uma marca de 85% de acurácia). Mostrou-se também que o uso das ferramentas fórum, quiz e folder têm uma grande influência no desempenho dos estudantes.
publishDate 2017
dc.date.submitted.none.fl_str_mv 2017-11-08
dc.date.issued.fl_str_mv 2017
dc.date.accessioned.fl_str_mv 2018-06-05T14:49:36Z
dc.date.available.fl_str_mv 2018-06-05T14:49:36Z
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 FERNANDES, Warley Leite. Aplicação do algoritmo de classificação associativa (CBA) em bases educacionais para predição de desempenho. 2017. 85 p. Dissertação (Mestrado Profissional) – Programa de Pós-Graduação em Educação, Universidade Federal dos Vales do Jequitinhonha e Mucuri, Diamantina, 2017.
dc.identifier.uri.fl_str_mv https://acervo.ufvjm.edu.br/items/b3582119-d229-489b-ba77-5fb3bfbc3eb6
identifier_str_mv FERNANDES, Warley Leite. Aplicação do algoritmo de classificação associativa (CBA) em bases educacionais para predição de desempenho. 2017. 85 p. Dissertação (Mestrado Profissional) – Programa de Pós-Graduação em Educação, Universidade Federal dos Vales do Jequitinhonha e Mucuri, Diamantina, 2017.
url https://acervo.ufvjm.edu.br/items/b3582119-d229-489b-ba77-5fb3bfbc3eb6
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 UFVJM
publisher.none.fl_str_mv UFVJM
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFVJM
instname:Universidade Federal dos Vales do Jequitinhonha e Mucuri (UFVJM)
instacron:UFVJM
instname_str Universidade Federal dos Vales do Jequitinhonha e Mucuri (UFVJM)
instacron_str UFVJM
institution UFVJM
reponame_str Repositório Institucional da UFVJM
collection Repositório Institucional da UFVJM
bitstream.url.fl_str_mv https://acervo.ufvjm.edu.br//bitstreams/b4d702d1-c274-4ad9-b900-fb64ec96fbc4/download
https://acervo.ufvjm.edu.br//bitstreams/7e6e6f74-c73b-4413-97b7-6b2f36aa8495/download
https://acervo.ufvjm.edu.br//bitstreams/c433f1c1-7296-47ba-b3b0-f0452e225a0b/download
https://acervo.ufvjm.edu.br//bitstreams/3e4809f9-3189-4d86-8ff2-1b97188c74ef/download
https://acervo.ufvjm.edu.br//bitstreams/7faeed9e-432e-41ed-add0-633b15162d68/download
https://acervo.ufvjm.edu.br//bitstreams/0a96539c-048a-45bc-9c7c-5c80189922d2/download
https://acervo.ufvjm.edu.br//bitstreams/6d69cedc-c3d2-46cc-ae3f-f39051930ff3/download
bitstream.checksum.fl_str_mv 12c9497d096892d853cee237b54ed43d
d929e82a2e47dac8f54b1a1d52ed28fb
4afdbb8c545fd630ea7db775da747b2f
d41d8cd98f00b204e9800998ecf8427e
d41d8cd98f00b204e9800998ecf8427e
c0fe10782d3e2994b7c028f47c86ff9e
0f8648aa1f0f435f550b5d3ecff286f9
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFVJM - Universidade Federal dos Vales do Jequitinhonha e Mucuri (UFVJM)
repository.mail.fl_str_mv repositorio@ufvjm.edu.br
_version_ 1833927342722908160

Registros relacionados