Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade Federal de Mato Grosso do Sul | - |
Autor(es): dc.contributor.author | Ricardo, Marcacini | - |
Data de aceite: dc.date.accessioned | 2019-02-13T20:54:14Z | - |
Data de disponibilização: dc.date.available | 2019-02-13T20:54:14Z | - |
Data de envio: dc.date.issued | 2018-12-12 | - |
identificador: dc.identifier.other | websensors-ead | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/431085 | - |
Resumo: dc.description.abstract | Estratégias de combate à evasão são mais eficientes quando alunos no grupo de risco de desistência são identificados com antecedência, permitindo aplicar ações específicas para cada perfil. Infelizmente, esta não é a realidade existente e este problema se torna mais complexo em ambientes de ensino a distância (EAD). No entanto, os ambientes EAD possuem a vantagem de coletar e armazenar um rico e detalhado conjunto de dados dos alunos. Todas as interações no ambiente EAD são registradas e essas informações podem ser pré-processadas e mapeadas para modelar um perfil, que é combinado com dados acadêmicos tradicionais e socioeconômicos. A plataforma Websensors-EAD foi desenvolvida para analisar os dados históricos de alunos que desistiram de seus respectivos cursos no passado, identificar padrões e aprender um modelo preditivo de evasão, ou seja, monitorar novos perfis de alunos e indicar (com antecedência) quando um perfil está no grupo de risco de desistência. Os gestores EAD recebem alertas e, assim, podem analisar os casos com antecedência. | - |
Tipo de arquivo: dc.format.mimetype | Python | - |
Idioma: dc.language.iso | pt_BR | - |
Idioma: dc.language.iso | en_US | - |
Direitos: dc.rights | Attribution-NonCommercial 3.0 Brazil | - |
Licença: dc.rights.uri | http://creativecommons.org/licenses/by-nc/3.0/br/ | - |
Palavras-chave: dc.subject | evasão | - |
Palavras-chave: dc.subject | mineração de dados | - |
Palavras-chave: dc.subject | inteligência artificial | - |
Palavras-chave: dc.subject | grupos de risco | - |
Título: dc.title | Predição de Evasão para Ambientes de Ensino a Distância | - |
Tipo de arquivo: dc.type | software | - |
Tipo de arquivo: dc.type | ferramentas | - |
Curso: dc.subject.course | Qualquer curso. | - |
Área de Conhecimento: dc.subject.discipline | Qualquer disciplina. | - |
Vinculação:: dc.uab.SN | uab | - |
Aparece nas coleções: | Ferramentas |
Arquivos associados: | ||||
---|---|---|---|---|
websensors-ead.txt | URL para Repositório GIT do Websensors-EAD | 153 B | Text | /bitstream/capes/431085/2/websensors-ead.txtDownload |
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:
Este item está licenciado sob uma Licença Creative Commons