Please use this identifier to cite or link to this item: https://repositorio.ifgoiano.edu.br/handle/prefix/635
metadata.dc.type: Trabalho de Conclusão de Curso
Title: ESTUDO DA EVASÃO EM ALUNOS DE GRADUAÇÃO POR MEIO DE MINERAÇÃO DE DADOS
metadata.dc.creator: Gomes, Gusttavo Nunes
metadata.dc.contributor.advisor1: Sousa, Marcos de Moraes
metadata.dc.contributor.referee1: Braga, Adriano Honorato
metadata.dc.contributor.referee2: Arantes, Leonardo Paulo
metadata.dc.description.resumo: A evasão universitária é um grande problema para os gestores educacionais. A maneira mais eficiente de se abordar a evasão é predizer e com isso tomar medidas para evitar que tal ação ocorra e para que essa antecipação ocorra, é utilizado análise de padrões dos dados de alunos que evadem. Porém para uma análise mais precisa, é necessário ferramentas que auxiliem os gestores de maneira mais precisa e eficiente e por isso que é utilizado a mineração de dados. Esse trabalho realizou uma revisão bibliográfica analisando os métodos usados na avaliação dessa predição, algoritmos usados, softwares usados e taxas de acerto de diversos trabalhos dos últimos dez anos. Posteriormente foi aplicado testes na base de dados dos alunos de Institutos Federais do ano de 2017 disponíveis na Plataforma Nilo Peçanha, usando 13 algoritmos de classificação no software livre Weka para avaliar qual algoritmo teria melhor desempenho e qual seria o mais recomendado para ser usado em uma aplicação que predissesse tal evasão. Foi verificado que o J48 foi o mais eficiente, com outros com desempenho bem próximo e que o Teste-T de Amostra Pareada é fundamental para uma comparação mais precisa dos algoritmos, pois testes individuais podem afetados por fatores externos e influenciar nos resultados, além do fato de ser um teste com maior valor estatístico .
Abstract: University evasion is a major problem for the educational management.The most efficient way to address evasion is to predict and thereby take steps to prevent such action from occurring and for such anticipation to occur, analysis of student data patterns that evade is used. But for a more accurate analysis, tools are needed to help managers more accurately and efficiently and that is why data mining is used. This paper performed a bibliographical review analyzing the methods used in the evaluation of this prediction, algorithms used, software used and performance rates of several works of the last ten years. Subsequently, tests were applied to the database of students from Federal Institutes of the year 2017 available on the Nilo Peçanha Platform, using 13 Weka open source classification algorithms to evaluate which algorithm would perform best and which would be the most recommended to be used in an application that predicted such evasion. It was found that J48 was the most efficient, with others with very close performance and that the Paired Sample T-Test was fundamental for a more accurate comparison of the algorithms, since individual tests can be affected by external factors and influence the results, besides the fact that it is a test with higher statistical value.
Keywords: Algoritmos de Classificação
Classification Algorithms
Plataforma Nilo Peçanha
Nilo Peçanha Plataform
J48
Weka
Teste-T para Amostra Pareada
Paired Sample T-Test
metadata.dc.subject.cnpq: CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE 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/635
Issue Date: 22-Oct-2019
Appears in Collections:Bacharelado em Sistemas de Informação

Files in This Item:
File Description SizeFormat 
tcc_Gusttavo Nunes_Marcos Moraes.pdf1,09 MBAdobe PDFView/Open


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