No abstract

Este trabalho apresenta um Mapeamento Sistemático da Literatura sobre evasão escolar, em que se buscou identificar tecnologias de mineração de dados e fatores indutores para evasão escolar, que vem sendo exploradas para desvendar as possíveis causas da evasão escolar. As buscas foram realizadas em quatro bases de dados científicas, com o objetivo de responder a seguinte questão de pesquisa: “Quais ferramentas, técnicas e fatores indutores vem sendo utilizados para desvendar possíveis causas da evasão escolar?”. Observou-se que a ferramenta Weka é a mais utilizada para auxiliar a desvendar as causas da evasão escolar. Entre as técnicas, destaca-se a utilização da classificação. Por fim, o mapeamento identificou que os principais trabalhos da área se concentram em estudar fatores relacionados às características individuais do aluno.

Diante do problema complexo que é a evasão acadêmica, buscou-se no presente estudo, por meio da utilização da técnica de agrupamento, desvendar as causas da evasão acadêmica no curso de Ciência da Computação da UFERSA, utilizando uma base de dados extraída do Sistema Integrado de Gestão de Atividades Acadêmicas (SIGAA). Foram definidos dois clusters, em que um representa as características dos evadidos e o outro dos concludentes. As principais inferências foram que existe uma maior possibilidade de os alunos que residem na vila acadêmica, que têm experiências na área ao entrar o curso, que seus pais moram juntos, que são brancos, que frequentaram escola em escolas particulares e com alta renda mensal concluirão o curso.

Neste trabalho foi realizada uma análise comparativa entre as ferramentas de AutoMl H2O e AutoGluon, na geração de modelos para a tarefa classificação de sinais de batimentos cardíacos. Para isso, foram gerados 28 modelos em cada ferramenta com diferentes bases de dados de eletrocardiogramas. Para a comparação, foram considerados o tempo que as ferramentas levaram para gerar seus modelos e o Log Loss de cada modelo como medida de desempenho. A partir dos resultados obtidos com os testes e com a análise descritiva, foi possível concluir que as ferramentas H2O e AutoGluon levam tempos semelhantes para o treinamento de seus modelos. Entretanto, os modelos gerados na ferramenta AutoGluon apresentaram desempenhos melhores na tarefa de classificação de sinais de batimentos cardíacos.

Nos últimos anos as instituições de ensino superior têm enfrentado grandes problemas ocasionados pela retenção acadêmica. Diante disso, diversos pesquisadores têm dedicado seus esforços a descoberta das causas e a prevenção contra a retenção acadêmica e a mineração de dados educacionais pode auxiliar nesse processo. Porém, para obter resultados satisfatórios com a mineração de dados aplicada ao contexto da retenção acadêmica é necessário conhecer os melhores recursos de mineração de dados a serem utilizados. Dessa forma, no presente trabalho foi realizada uma revisão sistemática da literatura a fim de identificar as principais técnicas e ferramentas da mineração de dados que podem ser aplicadas nesse processo, além de identificar os principais fatores indutores à retenção acadêmica.