
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Monteiro, Marco Aurélio Alvarenga | - |
| Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
| Autor(es): dc.creator | Philot, Gabriel Martin | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T22:40:17Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T22:40:17Z | - |
| Data de envio: dc.date.issued | 2022-06-27 | - |
| Data de envio: dc.date.issued | 2022-06-27 | - |
| Data de envio: dc.date.issued | 2021-03-10 | - |
| Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/235329 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/235329 | - |
| Descrição: dc.description | Existe um interesse crescente em utilizar Data Science (ciência de dados) em ambientes escolares obtendo inteligência a partir do seu grande volume de dados gerados. Em ambientes de educação a distância é essencial aos professores definirem quais alunos estão com baixo desempenho escolar. Neste trabalho, utilizando a metodologia de Data Science foram avaliados dados de atividades desempenhadas por alunos de uma escola integrante da plataforma de aprendizado contínuo da empresa Eduqo. Por regressão multilinear dos dados associada ao algoritmo de machine learning “Train and Split‖ foi obtido uma equação de modelo (R²=0,69) e dois indicadores para previsão do desempenho dos alunos: média de nota de tarefa e média de nota de listas. A clusterização dos dados (K-means) a partir dos indicadores permitiu obter 4 grupos de desempenho dos alunos, dessa forma os professores conseguem verificar rapidamente quais alunos requerem acompanhamento para um melhor desempenho do aprendizado escolar em ambiente remoto | - |
| Descrição: dc.description | There has been growing interest in using Data Science in school environments obtaining intelligence from their large data volume generated. In e-learning environment it is essential for professors define which students have poor school performance. In this work, was used Data Science methodology to evaluate data from activities carried out by students from a school which is a member of a continuous learning platform of Eduqo‘s company. By multilinear regression of the data associated with a machine learning algorithm, Train and Split, were obtained a model equation (R²=0,69) and two indicators for prevision of student‘s performance: average grade of task and average grade of lists. Data clustering (K-means) by indicators allowed obtain 4 groups of student performance, thus the professors can promptly verify which students require monitoring for better learning performance in a remote school environment | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | pt_BR | - |
| Publicador: dc.publisher | Universidade Estadual Paulista (UNESP) | - |
| Direitos: dc.rights | info:eu-repo/semantics/openAccess | - |
| Palavras-chave: dc.subject | Ciência de dados | - |
| Palavras-chave: dc.subject | Educação | - |
| Palavras-chave: dc.subject | EaD | - |
| Palavras-chave: dc.subject | Regressão multilinear | - |
| Palavras-chave: dc.subject | Inteligência artificial | - |
| Palavras-chave: dc.subject | Educação - Processamento de Dados | - |
| Palavras-chave: dc.subject | Física - Estudo e ensino | - |
| Palavras-chave: dc.subject | Gestão do conhecimento | - |
| Palavras-chave: dc.subject | Machine Learning | - |
| Palavras-chave: dc.subject | Data science | - |
| Palavras-chave: dc.subject | Education | - |
| Palavras-chave: dc.subject | E-Learning | - |
| Palavras-chave: dc.subject | Multilinear regression | - |
| Título: dc.title | Data science aplicado para obtenção de indicadores de desempenho em ambiente escolar remoto | - |
| Título: dc.title | Data science applied to obtain performance indicators in a remote school environment | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositório Institucional - Unesp | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: