Modelos preditivos baseados em árvores de decisão para um sistema de previsão de evasão no ensino superior

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorPlastino, Alexandre-
Autor(es): dc.contributorTrevisan, Daniela Gorski-
Autor(es): dc.contributorSeixas, Flávio-
Autor(es): dc.contributorMartins, Simone de Lima-
Autor(es): dc.creatorSantos, Carlos Henrique Domingos Correia-
Data de aceite: dc.date.accessioned2024-07-11T17:31:09Z-
Data de disponibilização: dc.date.available2024-07-11T17:31:09Z-
Data de envio: dc.date.issued2021-07-30-
Data de envio: dc.date.issued2021-07-30-
Data de envio: dc.date.issued2020-
Fonte completa do material: dc.identifierhttps://app.uff.br/riuff/handle/1/22786-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/751940-
Descrição: dc.descriptionUm dos grandes problemas do ensino superior no Brasil é o alto índice de evasão dos estudantes. Neste trabalho, aplicamos técnicas de Mineração de Dados, mais especificamente, técnicas de classificação baseadas em Arvores de Decisão, para tentar prever a evasão. Os modelos preditivos são gerados apenas com base no desempenho dos estudantes nas disciplinas cursadas. São criados n modelos diferentes, dos quais o i-ésimo modelo, 1 ≤ i ≤ n, é capaz de prever, ao fim do i-´esimo semestre de um estudante, se ele ou ela irá evadir ou se formar no futuro. Os experimentos, realizados com uma base de dados fornecida pela própria UFF, mostraram que os modelos são capazes de atingir acurácia preditiva entre 79,31% e 98,25%, utilizando o algoritmo de Árvore de Decisão, e entre 81,18% e 97,06%, utilizando o algoritmo Random Forest.-
Descrição: dc.descriptionOne of the major problems of higher education in Brazil is the high dropout rate of students. In this work, we apply Data Mining techniques to predict college dropouts, more specifically, classification techniques based on decision trees. The predictive models are generated based only on the performance of the students in the subjects taken. Also, n different models are created, from which the i-th model, 1 ≤ i ≤ n, is capable of predicting, at the end of a student’s i-th semester, whether he or she will drop out or graduate in the future. The experiments, conducted using a database provided by UFF containing data from students, showed that the models could achieve predictive accuracy between 79.31% and 98.25%, using Decision Tree induction, and between 81,18% and 97,06%, using the Random Forest algorithm-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Direitos: dc.rightsOpen Access-
Direitos: dc.rightshttp://creativecommons.org/licenses/by-nc-nd/3.0/br/-
Direitos: dc.rightsCC-BY-SA-
Palavras-chave: dc.subjectPredição de evasão escolar-
Palavras-chave: dc.subjectMineração de dados-
Palavras-chave: dc.subjectÁrvore de decisão-
Palavras-chave: dc.subjectInteligência artificial-
Palavras-chave: dc.subjectMineração de dados (Computação)-
Palavras-chave: dc.subjectÁrvore de decisão-
Palavras-chave: dc.subjectEnsino superior-
Palavras-chave: dc.subjectCollege dropout prediction-
Palavras-chave: dc.subjectData mining-
Palavras-chave: dc.subjectDecision tree-
Palavras-chave: dc.subjectRandom forest-
Título: dc.titleModelos preditivos baseados em árvores de decisão para um sistema de previsão de evasão no ensino superior-
Tipo de arquivo: dc.typeTrabalho de conclusão de curso-
Aparece nas coleções:Repositório Institucional da Universidade Federal Fluminense - RiUFF

Não existem arquivos associados a este item.