Análise Do Desempenho Dos Alunos De Cursos Superiores Em Computação No Enade – Uma Abordagem Usando Mineração De Dados

Abstract

Direitos para esta edição cedidos à Atena Editora pelos autores. Open access publication by Atena Editora Todo o conteúdo deste livro está licenciado sob uma Licença de Atribuição Creative Commons. Atribuição-Não-Comercial-NãoDerivativos 4.0 Internacional (CC BY-NC-ND 4.0). O conteúdo dos artigos e seus dados em sua forma, correção e confiabilidade são de responsabilidade exclusiva dos autores, inclusive não representam necessariamente a posição oficial da Atena Editora. Permitido o download da obra e o compartilhamento desde que sejam atribuídos créditos aos autores, mas sem a possibilidade de alterá-la de nenhuma forma ou utilizá-la para fins comerciais.Todos os manuscritos foram previamente submetidos à avaliação cega pelos pares, membros do Conselho Editorial desta Editora, tendo sido aprovados para a publicação com base em critérios de neutralidade e imparcialidade acadêmica.A Atena Editora é comprometida em garantir a integridade editorial em todas as etapas do processo de publicação, evitando plágio, dados ou resultados fraudulentos e impedindo que interesses financeiros comprometam os padrões éticos da publicação. Situações suspeitas de má conduta científica serão investigadas sob o mais alto padrão de rigor acadêmico e ético.

O sucesso não é apenas uma questão de sorte: um mapeamento sistemático sobre técnicas de análise do Enade da área de Computação

“…Os demais trabalhos apresentam dados de todos os cursos de um ano específico [3,8] e outros de um período específico [2,20,31]. Dos cursos que fizeram uso de dados da área de Ciências Exatas e da Terra, pode-se destacar para esta pesquisa os trabalhos dos autores Charão et al [9], Cunha et al [11], Figueiro et al [12], Lima et al [22,23], Rosa et al [32], Vista et al [42] que fizeram uso de dados específicos dos cursos de bacharelado em Ciência da Computação (CC) e dos autores Landes and Manhães [19], Silva et al [36] que fizeram uso de dados de todos os cursos da área da Computação em um determinado período.…”

“…Com destaque aos trabalhos que foram direcionados para cursos da área de Computação, todos que utilizaram estatística fizeram uso de estatística descritiva [9,19,22,23,42]. Título Silva et al [36] Análise do desempenho dos alunos de cursos superiores em computação no Enade -uma abordagem usando mineração de dados Vista et al [42] Técnicas de mineração de dados aplicadas aos microdados do ENADE para avaliar o desempenho dos acadêmicos do curso de Ciência da Computação no Rio Grande do Sul utilizando o software R Lima et al [22] Análise de conteúdo das provas do Enade para os alunos do curso de Bacharelado em Ciência da Computação Landes and Manhães [19] Análise dos exames do Enade para os cursos de computação utilizando o software R Figueiro et al [12] Análise de Agrupamento Hierárquico aplicada aos microdados do ENADE do curso de graduação em Ciência da Computação Rosa et al [32] Estudo Exploratório através de Análises Longitudinais aplicado à Ciência da Computação a partir da Base de Dados do Enade Ribeiro and C Junior [30] Plataforma para auxílio na preparação de estudantes para as avaliações do ENADE e POSCOMP Barbosa and Carvalho [4] Uso continuado de ferramenta computacional baseada em questões do Enade para a avaliação diagnóstica de alunos de Sistemas de Informação: um estudo de caso Lima et al [23] Content Analysis of Student Assessment Exams França et al [14] ToSabendo: A Platform to Create Engaging Teaching and Learning Experiences Charão et al [9] Explorando Resultados por Questão no Enade em Ciência da Computação para Subsidiar Revisão de Projeto Pedagógico de Curso Cunha et al [11] Análise Ciências Biológicas [1] Engenharias [27] [28] Ciências da Saúde [38] Ciências Sociais Aplicadas [7] Ciências Humanas [26] [37]…”

“…Seguidamente, a Tabela 6 apresenta a técnica de machine learning utilizada, o tipo dessa técnica, e por fim, quais artigos fizeram uso da técnica com aquele objetivo. Dos 32 trabalhos incluídos, 14 fizeram uso de algoritmos de machine learning [3,11,12,20,24,25,28,31,32,[36][37][38][39]42]. Desses, 05 trabalhos foram da área de Computação.…”

“…Ao analisar a Tabela 6, percebe-se que grande parte dos algoritmos utilizados tiveram a finalidade de classificar e a técnica mais utilizada foi Árvore de Decisão, a qual foi implementada por 05 trabalhos [3,24,31,32,37].…”

“…Rosa et al [32] fizeram um estudo para verificar quais dos algoritmos Árvore de Decisão, Floresta Aleatória ou Máquina de Vetores de Suporte (SVM) classificava melhor os fatores que impactam na nota do estudante, os fatores foram determinados usando dados socioeconômicos, no cenário estudado pelos autores o algoritmo J48 obteve melhor acurácia (71.54%). Silva et al [37] executaram os algoritmos Árvore de Decisão, Floresta Aleatória, Gradient boosting Tree e Naive Bayes e o que teve melhor desempenho para classificar fatores associados a notas foi o Naive Bayes, com 98.21% de acurácia. Os fatores utilizados por Silva et al [37] foram algumas questões do questionário socioeconômico (QS) respondidas pelos estudantes.…”