Please use this identifier to cite or link to this item: https://repositorio.ifgoiano.edu.br/handle/prefix/1684
metadata.dc.type: Trabalho de Conclusão de Curso
Title: CLASSIFICAÇÃO E IDENTIFICAÇÃO DE PERGIS DE EVASÃO DO ENSINO MÉDIO INTEGRADO DO CAMPUS CERES DO IF GOIANO
metadata.dc.creator: Souza, Ana Luiza Gomes de
metadata.dc.contributor.advisor1: Braga, Adriano Honorato
metadata.dc.contributor.referee1: Faria, Lucas José de
metadata.dc.contributor.referee2: Silva, Marcel Ferrante
metadata.dc.description.resumo: Apesar de toda a evolução e transformação que a educação sofreu até os dias atuais, o país ainda carece de desenvolvimento, especialmente para dirimir os índices de evasão escolar, que gera consequências na sociedade como um todo. Portanto, objetiva-se a construção de um modelo preditivo a partir de algoritmos de mineração de dados que melhor se adequem às condições e dados advindos dos cursos técnicos integrados ao ensino médio do campus Ceres do IF Goiano. Para tal, utiliza-se a metodologia KDD, para nortear todo o processo. A amostra foi obtida na base de dados do sistema acadêmico e do processo seletivo, ambos fornecidos pela instituição contemplada na pesquisa. O conjunto de dados, após limpeza e transformação dos dados, totalizou 1.478 matrículas com 28 atributos, sendo que 158 dessas matrículas são de evasão. Também foi utilizada a ferramenta Weka e algoritmos que a mesma disponibiliza. Em prol de sugerir o melhor modelo, se fez necessária a comparação dos algoritmos mais utilizados na literatura, são eles: árvore de decisão, SVM, kNN, naive bayes, RNA e regressão logística. Após comparação, o algoritmo Naive Bayes foi considerado o melhor preditor para o presente conjunto de dados por apresentar uma baixa taxa de erro (16,3%) acerca de alunos evasores e uma boa acurácia (89,6%).
Abstract: Despite all the changes and transformations that education has undergone to the present day, the country still lacks development, especially to resolve school dropout rates, which has consequences for society as a whole. Therefore, the goal here is to build a predictive model based on a data mining algorithm that best fits the conditions and data arising from the technical courses integrated into the high school on the Campus Ceres of the IF Goiano. For this, the KDD methodology is used to guide the entire data mining process. The sample was obtained from the database of the academic system and the selection process, both provided by the institution included in the research. The dataset had a total of 1,769 records which, after cleaning and transforming the data, amounts to 1,478 enrollments, from the years 2015 to 2020, and 28 attributes, with 158 of these enrollments being evasion ones. The Weka tool and algorithms that it provides were also used. To suggest the best model, it was necessary to compare the most used algorithms in the literature, which are decision tree, SVM, kNN, Naive Bayes, RNA, and logistic regression. After comparison, the Naive Bayes algorithm was considered the best predictor for the present dataset, as it delivers a low error rate (16.3%) about dropout students and good accuracy (89.6%).
Keywords: IF Goiano
Técnico Integrado
Evasão
Mineração de dados
Predição
metadata.dc.subject.cnpq: CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
metadata.dc.language: por
metadata.dc.publisher.country: Brasil
Publisher: Instituto Federal Goiano
metadata.dc.publisher.initials: IF Goiano
metadata.dc.publisher.department: Campus Ceres
metadata.dc.rights: Acesso Aberto
URI: https://repositorio.ifgoiano.edu.br/handle/prefix/1684
Issue Date: 2-Mar-2021
Appears in Collections:Bacharelado em Sistemas de Informação

Files in This Item:
File Description SizeFormat 
tcc_ Ana Luiza Souza.pdf1,29 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.