Banca de DEFESA: RAMON NOBREGA DOS SANTOS

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: RAMON NOBREGA DOS SANTOS
DATA: 29/05/2015
HORA: 14:00
LOCAL: Centro de Informática - UFPB
TÍTULO: Uma Abordagem Temporal para Identificação Precoce de Estudantes de Graduação a Distância com Risco de Evasão Utilizando Técnicas de Mineração de Dados
PALAVRAS-CHAVES: Evasão, Abordagem temporal, Regras de decisão, Mineração de dados
PÁGINAS: 151
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
SUBÁREA: Metodologia e Técnicas da Computação
RESUMO: Com a utilização de técnicas de mineração de dados, mais comumente os algoritmos de Classificação, pode-se construir modelos preditivos capazes de identificar precocemente um estudante com risco de evasão. Diversos estudos utilizam dados obtidos de um Ambiente Virtual de Aprendizagem (AVA) para a construção de modelos preditivos de desempenho em uma disciplina de um curso. Porém, nenhum estudo foi realizado com o objetivo de desenvolver um modelo de predição de evasão, para um curso de graduação a distância de maior duração, que integre trabalhos que fazem a predição de desempenho a partir de um AVA, possibilitando uma predição da evasão antecipada durante o primeiro semestre. Assim, este trabalho propõe uma abordagem de identificação de evasão em um curso de graduação a distância a partir da utilização da técnica de classificação por regras de decisão para, primeiramente, identificar as disciplinas e os limites de notas que mais influenciam na evasão para que os modelos preditivos de desempenhos em um AVA possam ser mais úteis no tocante a evasão de um aluno ao longo de todo o curso de graduação. Foram realizados experimentos com quatro algoritmos de Regras de Decisão: o JRip, o OneR, o PART e o RIDDOR. A partir da utilização da abordagem temporal proposta foi possível comprovar sua vantagem, uma vez que foram obtidos melhores desempenhos preditivos ao longo dos semestres e foram descobertas importantes regras para a identificação precoce de um estudante com risco de evasão. Entre os algoritmos estudados, JRip e PART obtiveram os melhores desempenhos preditivos. A partir da metodologia proposta de partições, na qual os atributos dos modelos preditivos são aplicados de forma incremental, foi possível aferir ganhos nos desempenhos preditivos e nas qualidades das regras encontradas.
MEMBROS DA BANCA:
Presidente - 1723491 - CLAUIRTON DE ALBUQUERQUE SIEBRA
Interno - 2636257 - NATASHA CORREIA QUEIROZ LINO
Externo à Instituição - THEREZA PATRICIA PEREIRA PADILHA