Este artigo utiliza técnicas de mineração de dados para identificar problemas relacionados com alunos que não conseguem completar os seus cursos de graduação. Nessa abordagem, a classificação manipula informações acadêmicas de alunos oriundos de uma grande Universidade Federal Brasileira. Muitas técnicas de mineração de dados foram avaliadas em função da acurácia obtida quando aplicadas a um conjunto de dados dos estudantes universitários. Os resultados demonstram que, mesmo analisando três diferentes classes de alunos, foi possível ter uma precisão global acima de 80%. O modelo Naive Bayes foi usado para visualizar os fatores de que distinguem os alunos que obtêm sucesso ou fracasso em seus cursos.

O conhecimento adquirido sobre dislexia pode ser direcionado para a construção de um sistema computacional inteligente aplicado à área de educação e da área de saúde e aliada às novas formas de diagnóstico médico. O objetivo deste artigo é expor direções de pesquisa e considerações sobre os desafios referentes ao apoio computacional oferecido pela Neurociência Computacional na Educação Brasileira. O trabalho também apresenta uma abordagem relacionada com a dislexia, um dos Transtornos de Aprendizagem que tem despertado interesse nos pesquisadores, profissionais de saúde e educação. Esta pesquisa também visa investigar novas técnicas computacionais que venham a preencher a lacuna de ausência de instrumentos de coleta e análise exploratória de dados relacionados à detecção precoce de indivíduos disléxicos.

No abstract

No abstract