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 | Lima, Rafael Henrique Palma | - |
Autor(es): dc.contributor | Santos, Bruno Samways dos | - |
Autor(es): dc.contributor | Tondato, Rogério | - |
Autor(es): dc.contributor | Lima, Rafael Henrique Palma | - |
Autor(es): dc.creator | Lima, Monique Tamara de | - |
Data de aceite: dc.date.accessioned | 2022-02-21T21:42:08Z | - |
Data de disponibilização: dc.date.available | 2022-02-21T21:42:08Z | - |
Data de envio: dc.date.issued | 2020-11-15 | - |
Data de envio: dc.date.issued | 2020-11-15 | - |
Data de envio: dc.date.issued | 2019-06-27 | - |
Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/12285 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/658628 | - |
Descrição: dc.description | The increase in competitiveness in the labor market has led people to seek new skills and knowledge, among which are the language courses. However, the courses have been suffering from high dropout rates, which is caused by multiple factors, which have complex relationships that make difficult the elaboration of classification models. In this context, the current research proposes the use of Machine Learning techniques capable of analyzing large and complex databases, with the purpose of identifying in advance a student who is prone to evade the language course, thus enabling measures to be taken reduce the rate of evasion. In order to study this problem, a literature review was carried out on the factors that can cause student dropouts, and then a questionnaire was developed using Google Forms. The questionnaires were pre-processed and 7 machine learning techniques were used in the study of two classification models, each with two different configurations. The first model aimed to predict whether the student was attending, whether he had escaped or had completed the language course, while the second was intended to predict only whether the student evaded or not. The results were satisfactory, with emphasis on the techniques of Support Vector Machines and Random Forests, which obtained a maximum accuracy of 91% and 88%, respectively. | - |
Descrição: dc.description | O aumento da competitividade no mercado de trabalho tem levado as pessoas a buscarem novas habilidades e conhecimentos, dentre os quais se destacam os cursos de idiomas. Entretanto os cursos vêm sofrendo com os altos índices de evasão, sendo este causado por múltiplos fatores, os quais possuem relacionamentos complexos que dificultam a elaboração de modelos de classificação. Sob este contexto, a atual pesquisa propõe a utilização de técnicas de Aprendizado de Máquina capazes de analisar grandes e complexos bancos de dados, tendo como propósito identificar antecipadamente um aluno que seja propenso a evadir do curso de idioma, possibilitando assim a tomada de medidas para reduzir a taxa de evasão. Para estudar esse problema foi realizado um levantamento na literatura sobre os fatores que podem causar a evasão dos alunos e, em seguida, elaborou-se um questionário usando o Google Forms. Os questionários foram pré-processados e 7 técnicas de aprendizado de máquina foram utilizadas no estudo de dois modelos de classificação, cada um com duas configurações distintas. O primeiro modelo visava buscava prever se o aluno estava cursando, se havia evadido ou se tinha concluído o curso de idioma, enquanto o segundo tinha como propósito prever apenas se o estudante evadiu ou não. Os resultados foram satisfatórios, com destaque para as técnicas Máquina de Vetores de Suporte e Florestas Aleatórias que obtiveram um índice máximo de acuracidade de 91% e 88%, respectivamente. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
Publicador: dc.publisher | Londrina | - |
Publicador: dc.publisher | Brasil | - |
Publicador: dc.publisher | Engenharia de Produção | - |
Publicador: dc.publisher | UTFPR | - |
Direitos: dc.rights | openAccess | - |
Palavras-chave: dc.subject | Aprendizado do computador | - |
Palavras-chave: dc.subject | Inteligência artificial | - |
Palavras-chave: dc.subject | Línguas modernas | - |
Palavras-chave: dc.subject | Evasão escolar | - |
Palavras-chave: dc.subject | Machine learning | - |
Palavras-chave: dc.subject | Artificial intelligence | - |
Palavras-chave: dc.subject | Languages, Modern | - |
Palavras-chave: dc.subject | Dropouts | - |
Palavras-chave: dc.subject | CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAO | - |
Título: dc.title | Aplicação de técnicas de aprendizado de máquina para classificar alunos de cursos de idiomas com relação à possibilidade de evasão | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT |
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: