PROGRAMA DE PÓS-GRADUAÇÃO EM INFORMÁTICA (PPGI)
UNIVERSIDADE FEDERAL DA PARAÍBA
- Telefone/Ramal
-
Não informado
Notícias
Banca de QUALIFICAÇÃO: RAMON NOBREGA DOS SANTOS
Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE: RAMON NOBREGA DOS SANTOS
DATA: 07/07/2014
HORA: 10:00
LOCAL: Centro de Informática
TÍTULO: Uma Abordagem Temporal para Identificação Precoce de Estudantes à Distância com Risco de Evasão Utilizando Técnicas de Mineração de Dados
PALAVRAS-CHAVES: Informática na Educação, Mineração de Dados, Aprendizagem de Máquina
PÁGINAS: 105
RESUMO: Alguns estudos sobre predição da evasão acadêmica tentam prever a evasão de um estudante tomando como referência somente informações do seu primeiro ano de curso (Freshman Year). Acontece que essas estratégias não possibilitam prever a evasão de um curso de graduação de maior duração com a devida precisão, uma vez que determinado estudante pode ter um desempenho satisfatório no primeiro ano do curso (Freshman Year), ser classificado corretamente como não evadido ao final deste ano, mas vir a evadir em momentos futuros. Dessa forma, torna-se importante a investigação de uma abordagem temporal de identificação de evasão que leve em conta o desempenho do estudante durante os demais semestres do curso. Com a utilização de técnicas de mineração de dados, mais comumente, os algoritmos de Classificação, pode-se construir modelos preditivos capazes de identificar um estudante com risco de evasão a partir de um conjunto de dados históricos e de interações dos estudantes. Quando os algoritmos de Classificação são combinados com os algoritmos de Clusterização, pode-se usar uma abordagem denominada Classificação via Clusterização que tenta identificar os dois grupos de estudantes investigados nesta proposta: os de graduados e os de evadidos. Dessa forma, nossa hipótese é que nem sempre a evasão pode ser identificada em momentos tão iniciais do curso, ainda que ela tenha que ser investigada o quanto antes. Diante disso, é viável a aplicação de uma abordagem temporal a partir da aplicação de técnicas de mineração de dados em diferentes instantes de tempo para identificar estudantes com risco de evasão ao longo de todo o curso.
MEMBROS DA BANCA:
Presidente - 1723491 - CLAUIRTON DE ALBUQUERQUE SIEBRA
Interno - 1743917 - THAIS GAUDENCIO DO REGO
Interno - 1971457 - VIVEK NIGAM