Técnicas de aprendizagem de máquina utilizadas na previsão de desempenho acadêmico
| dc.contributor.advisor | Pitangui, Cristiano Grijó | |
| dc.contributor.author | Santos, Rodrigo Magalhães Mota dos | |
| dc.contributor.institution | Universidade Federal dos Vales do Jequitinhonha e Mucuri (UFVJM) | pt_BR |
| dc.contributor.referee | Pitangui, Cristiano Grijó | |
| dc.contributor.referee | Andrade, Alessandro Vivas | |
| dc.contributor.referee | Assis, Luciana Pereira de | |
| dc.contributor.referee | Santin, Rafael | |
| dc.date.accessioned | 2017-05-16T17:13:39Z | |
| dc.date.available | 2017-05-16T17:13:39Z | |
| dc.date.issued | 2016 | |
| dc.date.submitted | 2016 | |
| dc.description | Data de aprovação ausente. | pt_BR |
| dc.description.abstract | A tecnologia, presente cada vez mais no ambiente educacional, tem contribuído para o aumento da oferta de cursos à distância. Grande parte dos cursos ofertados nesta modalidade utilizam os Ambientes Virtuais de Aprendizagem (AVA). Estes ambientes ganham espaço no cotidiano dos educadores devido ao fácil manuseio e a grande diversidade de ferramentas disponibilizadas. Tais ferramentas permitem, de forma geral, a administração de cursos totalmente à distância com oferta de múltiplas mídias e recursos (fóruns de discussão, chats, dentre outros) para interações entre professores e alunos. Tais interações criam enormes volumes de dados que podem ser analisados através da aplicação de técnicas de Mineração de Dados Educacionais. Com a aplicação destas técnicas pode-se realizar a previsão de desempenho acadêmico que pode ter grande utilidade para Instituições de Ensino no sentido de auxiliá-las a tomar, de forma antecipada, decisões pedagógicas que possam ajudar os estudantes. Este trabalho apresenta um estudo de métodos como Seleção de Atributos utilizando a abordagem Wrapper e Classificador em Cascata, ainda não empregados em trabalhos correlatos pesquisados, que visam melhorar os resultados obtidos pelas técnicas de Mineração de Dados Educacionais utilizadas na previsão de desempenho acadêmico de estudantes. Os resultados experimentais indicam uma melhora no desempenho dos algoritmos classificadores utilizados (alguns alcançando a notável marca de 90,2% de acurácia), bem como apontam quais os recursos utilizados no AVA possuem maior influência no desempenho dos estudantes. | pt_BR |
| dc.description.abstracts | The technology, which is being increasingly used in the educational environment, has contributed for the popularity of distance courses. Much of the courses offered in this mode uses the so-called Virtual Learning Environments (VLE). These environments are gaining ground in the daily lives of educators due to its easy handling and the wide variety of available tools. These tools allow, in general, the administration of fully distance courses with multiple media and resources (forums, chats, among others) for interactions between teachers and students. These interactions create huge volumes of data that can be analyzed through the application of Educational Data Mining techniques. Such techniques can be used to academic performance prediction that can be very useful for education institutions in order to help them to take, in advance, pedagogical decisions that can help students. This work presents a study of methods as Feature Selection using the Wrapper approach and Classifier Cascade that were not employed in other works, with the aim to improve the results obtained by Educational Data Mining techniques used in the academic performance prediction. Results showed an improvement in the performance of classifiers (some obtaining the remarkable mark of 90.2% in accuracy results), as well as pointed out what the resources used in VLE that have greater influence on student performance. | en |
| dc.description.thesis | Dissertação (Mestrado Profissional) – Programa de Pós-Graduação em Educação, Universidade Federal dos Vales do Jequitinhonha e Mucuri, 2016. | pt_BR |
| dc.identifier.citation | SANTOS, Rodrigo Magalhães Mota dos. Técnicas de aprendizagem de máquina utilizadas na previsão de desempenho acadêmico. 2016. 90 p. Dissertação (Mestrado Profissional) – Programa de Pós-Graduação em Educação, Universidade Federal dos Vales do Jequitinhonha e Mucuri, Diamantina, 2016. | pt_BR |
| dc.identifier.uri | https://acervo.ufvjm.edu.br/items/3a8e2f2f-b8ab-478f-a897-885a2877085e | |
| dc.language.iso | por | |
| dc.publisher | UFVJM | pt_BR |
| dc.rights | Acesso Aberto | pt_BR |
| dc.rights.license | A 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. | pt_BR |
| dc.subject.keyword | Mineração de dados | pt_BR |
| dc.subject.keyword | Mineração de dados educacionais | pt_BR |
| dc.subject.keyword | Educação | pt_BR |
| dc.subject.keyword | Educação à distância | pt_BR |
| dc.subject.keyword | Ambientes virtuais de aprendizagem | pt_BR |
| dc.subject.keyword | Data mining | en |
| dc.subject.keyword | Education data mining | en |
| dc.subject.keyword | Education | en |
| dc.subject.keyword | Distance education | en |
| dc.subject.keyword | Virtual learning environments | en |
| dc.title | Técnicas de aprendizagem de máquina utilizadas na previsão de desempenho acadêmico | pt_BR |
| dc.type | Dissertação | pt_BR |