Aplicação do algoritmo de classificação associativa (CBA) em bases educacionais para predição de desempenho
| dc.contributor.advisor | Pitangui, Cristiano Grijó | |
| dc.contributor.author | Fernandes, Warley Leite | |
| dc.contributor.institution | Universidade Federal dos Vales do Jequitinhonha e Mucuri (UFVJM) | pt_BR |
| dc.contributor.referee | Pitangui, Cristiano Grijó | |
| dc.contributor.referee | Teixeira, Josiane Magalhães | |
| dc.contributor.referee | Andrade, Alessandro Vivas | |
| dc.date.accessioned | 2018-06-05T14:49:36Z | |
| dc.date.available | 2018-06-05T14:49:36Z | |
| dc.date.issued | 2017 | |
| dc.date.submitted | 2017-11-08 | |
| dc.description.abstract | 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. | pt_BR |
| dc.description.abstracts | 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. | en |
| dc.description.thesis | Dissertação (Mestrado Profissional) – Programa de Pós-Graduação em Educação, Universidade Federal dos Vales do Jequitinhonha e Mucuri, 2017. | pt_BR |
| dc.identifier.citation | 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. | pt_BR |
| dc.identifier.uri | https://repositorio.ufvjm.edu.br/items/b3582119-d229-489b-ba77-5fb3bfbc3eb6 | |
| 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 educacionais | pt_BR |
| dc.subject.keyword | Educação a Distância | pt_BR |
| dc.subject.keyword | Ambientes virtuais | pt_BR |
| dc.subject.keyword | Educational data mining | en |
| dc.subject.keyword | Distance Education | en |
| dc.subject.keyword | Virtual environments | en |
| dc.title | Aplicação do algoritmo de classificação associativa (CBA) em bases educacionais para predição de desempenho | pt_BR |
| dc.type | Dissertação | pt_BR |