Anais Do XXVII Simpósio Brasileiro De Informática Na Educação (SBIE 2016) 2016
DOI: 10.5753/cbie.sbie.2016.906
|View full text |Cite
|
Sign up to set email alerts
|

Predição da Evasão em Cursos de Graduação em Instituições Públicas

Help me understand this report

Search citation statements

Order By: Relevance

Paper Sections

Select...
1
1
1
1

Citation Types

0
3
0
4

Year Published

2018
2018
2020
2020

Publication Types

Select...
4
3

Relationship

0
7

Authors

Journals

citations
Cited by 10 publications
(11 citation statements)
references
References 0 publications
0
3
0
4
Order By: Relevance
“…Soluções de predição por classificação também vêm ganhando destaque emáreas e eventos de cunho gerencial. No trabalho desenvolvido em [Kantorski et al 2016], os autores utilizam a ferramenta Weka para desenvolver e estabelecer o melhor modelo gerado dentre os classificadores disponíveis. O mesmo trabalho utilizou métricas como precisão, revocação (recall), para o cálculo da chamada medida-F (F -measure), que se propõe a ser uma medida que leva em consideração a cobertura e a corretude da solução.…”
Section: Trabalhos Relacionadosunclassified
“…Soluções de predição por classificação também vêm ganhando destaque emáreas e eventos de cunho gerencial. No trabalho desenvolvido em [Kantorski et al 2016], os autores utilizam a ferramenta Weka para desenvolver e estabelecer o melhor modelo gerado dentre os classificadores disponíveis. O mesmo trabalho utilizou métricas como precisão, revocação (recall), para o cálculo da chamada medida-F (F -measure), que se propõe a ser uma medida que leva em consideração a cobertura e a corretude da solução.…”
Section: Trabalhos Relacionadosunclassified
“…Diante do exposto, muitos estudantes acabam ficando desmotivados, constituindo um fator preponderante pela desistência do curso, além de contribuir com o aumento doíndice de evasão em cursos daárea de Computação (que jáé elevado). De maneira análoga, estudos na literatura [Santos 2006, Santiago 2016, Kantorski et al 2016, Pascoal et al 2016] mostram que os altosíndices de reprovação e desistências em cursos de Computação têm relação com as dificuldades dos estudantes no aprendizado das disciplinas de programação.…”
Section: Conclusõesunclassified
“…Pascal et al [17] addresses the dropout rate in a graduation course in a public higher education institution, considering only the Business Management and Zootechny courses. The research uses several machine-learning methods for prediction, and its tests have reached an accuracy higher than 70 % in students dropout prediction.…”
Section: Related Workmentioning
confidence: 99%
“…Classifiers Accuracies [10] OneR, CART, Decision Tree, Naive Bayes, Net Logit, JRip, Random Forest 75% to 80% [22] JRip, NNge, OneR, Prism, Ridor, Decision Tree, SimpleCart, ADTree, RandomTree, REPTree 75% to 99% [21] Decision Tree, Support Vector machine (SVM), AdaBoost, Naïve Bayes, SimpleCart, MLP Average = 80% [17] Decision Tree, KNN, CART, Naive Bayes, MLP Average = 74%…”
Section: Authormentioning
confidence: 99%