Predição de Evasão para Ambientes de Ensino a Distância

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorUniversidade Federal de Mato Grosso do Sul-
Autor(es): dc.contributor.authorRicardo, Marcacini-
Data de aceite: dc.date.accessioned2019-02-13T20:54:14Z-
Data de disponibilização: dc.date.available2019-02-13T20:54:14Z-
Data de envio: dc.date.issued2018-12-12-
identificador: dc.identifier.otherwebsensors-ead-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/431085-
Resumo: dc.description.abstractEstratégias 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.mimetypePython-
Idioma: dc.language.isopt_BR-
Idioma: dc.language.isoen_US-
Direitos: dc.rightsAttribution-NonCommercial 3.0 Brazil-
Licença: dc.rights.urihttp://creativecommons.org/licenses/by-nc/3.0/br/-
Palavras-chave: dc.subjectevasão-
Palavras-chave: dc.subjectmineração de dados-
Palavras-chave: dc.subjectinteligência artificial-
Palavras-chave: dc.subjectgrupos de risco-
Título: dc.titlePredição de Evasão para Ambientes de Ensino a Distância-
Tipo de arquivo: dc.typesoftware-
Tipo de arquivo: dc.typeferramentas-
Curso: dc.subject.courseQualquer curso.-
Área de Conhecimento: dc.subject.disciplineQualquer disciplina.-
Vinculação:: dc.uab.SNuab-
Aparece nas coleções:Ferramentas

Arquivos associados:
websensors-ead.txtURL para Repositório GIT do Websensors-EAD153 BText/bitstream/capes/431085/2/websensors-ead.txtDownload

Este item está licenciado sob uma Licença Creative Commons Creative Commons