Comparação de algoritmos de aprendizado de máquina baseados em árvores de decisão na previsão de nível de escrita do ensino básico: estudo de caso em escolas do município de Vitória do Xingu - Pará

Abstract

A análise de dados educacionais utilizando ferramentas computacionais é de grande valia para os gestores tomadores de decisão de instituições de ensino. O objetivo deste trabalho é a coleta e o pré-processamento de dados educacionais do ensino básico fundamental no município de Vitória do Xingu, estado do Pará, Brasil, com a finalidade de aplicá-los em algoritmos de aprendizado de máquina baseado em Árvores de Decisão, visando à comparação e análise de desempenho entre diferentes modelos. Foram aplicados em cinco algoritmos Decision Stump, Hoeffding Tree, J48, Random Forest e Random Tree. A avaliação do desempenho dos modelos foi feita utilizando as métricas F1-score, acurácia e estatística Kappa, além da análise das Matrizes de Confusão. Os resultados mostraram que os algoritmos Hoeffding Tree e J48 apresentaram os melhores desempenhos, com 100% de acurácia e F1-score, além de estatísticas Kappa perfeitas. Conclui-se que algoritmos mais complexos como Hoeffding Tree e J48 são os mais indicados para a classificação de dados educacionais, enquanto métodos mais simples, como o Decision Stump, podem ser úteis em cenários onde a simplicidade e a velocidade são prioridades.