Análise de padrões na educação via redes neurais e aprendizado de máquina

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorCasaca, Wallace Correa de Oliveira-
Autor(es): dc.contributorUniversidade Estadual Paulista (UNESP)-
Autor(es): dc.creatorRodrigues, Bruno Cesar Silva-
Data de aceite: dc.date.accessioned2025-08-21T16:12:52Z-
Data de disponibilização: dc.date.available2025-08-21T16:12:52Z-
Data de envio: dc.date.issued2024-11-28-
Data de envio: dc.date.issued2024-11-28-
Data de envio: dc.date.issued2024-10-29-
Fonte completa do material: dc.identifierhttps://hdl.handle.net/11449/258467-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/11449/258467-
Descrição: dc.descriptionO Censo Escolar do INEP (Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira) é uma fonte indispensável de dados educacionais no Brasil, servindo como base para o planejamento de ações e melhorias na educação. No entanto, o grande volume e a complexidade desses dados impõem desafios significativos para sua análise e interpretação. Portanto, este trabalho propõe a aplicação de Redes Neurais de Grafos (GNNs) como uma abordagem inovadora para enfrentar os desafios associados à alta dimensionalidade, à falta de padronização e às dificuldades de interpretação dos dados do mais recente Censo Escolar de 2023. Através deste trabalho, foi demonstrado como as GNNs podem ser efetivas em capturar relações complexas entre os dados, facilitando a extração de informações relevantes, bem como a geração de insights educacionais significativos.-
Descrição: dc.descriptionThe INEP School Census (Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira) is an indispensable source of educational data in Brazil, serving as the foundation for planning actions and improving education. However, the large volume and complexity of this data collection pose significant challenges for exploration and interpretation. Therefore, this study proposes the application of Graph Neural Networks (GNNs) as an innovative tool to address the challenges associated with high dimensionality, lack of standardization, and difficulties in interpreting the data from the most recent 2023 School Census. This work demonstrates how GNNs can effectively capture complex relationships within the data, facilitating the extraction of relevant information and generating meaningful educational insights.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Estadual Paulista (UNESP)-
Direitos: dc.rightsinfo:eu-repo/semantics/openAccess-
Palavras-chave: dc.subjectRedes neurais artificiais-
Palavras-chave: dc.subjectRepresentações de grafos-
Palavras-chave: dc.subjectInteligência artificial-
Palavras-chave: dc.subjectCenso escolar-
Palavras-chave: dc.subjectArtificial neural networks-
Palavras-chave: dc.subjectRepresentations of graphs-
Palavras-chave: dc.subjectArtificial intelligence-
Palavras-chave: dc.subjectSchool census-
Palavras-chave: dc.subjectGNN-
Título: dc.titleAnálise de padrões na educação via redes neurais e aprendizado de máquina-
Título: dc.titlePattern analysis in education via neural networks and machine learning-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositório Institucional - Unesp

Não existem arquivos associados a este item.