Predição da Evasão em Cursos de Graduação em Instituições Públicas

Kantorski, Gustavo Zanini; Flores, Evandro G.; Schmitt, Jáder Adiél; Hoffmann, Ivan Londero; Barbosa, Fernando

doi:10.5753/cbie.sbie.2016.906

Cited by 10 publications

(11 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

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

Predição de Evasão Utilizando Técnicas de Classificação: Um Estudo de Caso do Instituto Federal do Ceará

Filho¹,

Siqueira²,

Leal³

2020

Anais Da Escola Regional De Computação Ceará, Maranhão, Piauí (ERCEMAPI 2020)

View full text Add to dashboard Cite

A evasão escolar tem se consolidado ao longo do tempo como uma das principais problemáticas presentes nas instituições de ensino nacionais e internacionais. A literatura elenca inúmeras causas e fatores que podem vir a justificar uma evasão discente e várias ações já foram e vêm sendo propostas no intuito de tentar minimizar os índices de evadidos. O presente artigo encara a evasão escolar como um problema de classificação e, baseado nesta premissa, tem como objetivo propor uma abordagem para predição de evasão de discentes, utilizando os principais classificadores de aprendizagem de máquina, a partir de dados previamente coletados, levando em consideração o estudo de caso do campus Paracuru do Instituto Federal do Ceará (IFCE).

show abstract

Section: Trabalhos Relacionadosunclassified

Predição de Evasão Utilizando Técnicas de Classificação: Um Estudo de Caso do Instituto Federal do Ceará

Filho¹,

Siqueira²,

Leal³

2020

Anais Da Escola Regional De Computação Ceará, Maranhão, Piauí (ERCEMAPI 2020)

View full text Add to dashboard Cite

show abstract

“…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

Dificuldades no Processo de Aprendizagem de Programação de Computadores: um Survey com Estudantes de Cursos da Área de Computação

Arimoto

Oliveira

2019

Anais Do Workshop Sobre Educação Em Computação (WEI)

View full text Add to dashboard Cite

A programação de computadores é importante para o desenvolvimento do raciocı́nio lógico e da criatividade do indivı́duo, aumentando sua capacidade de resolução de problemas. Entretanto, a aprendizagem de programação exige alto grau de abstração, além de tempo e esforço de aprendizagem. Neste trabalho um survey é conduzido com estudantes de cursos da área de Computação visando identificar as barreiras e dificuldades relacionadas à aprendizagem de programação. Os resultados obtidos apontam para a necessidade de abordagens (aliadas às práticas atuais de ensino) que tornem a aprendizagem de programação mais atrativa, interativa e lúdica e que instiguem o interesse e o engajamento dos estudantes.

show abstract

“…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%

Comparative Analysis of Data Mining Algorithms Applied to the Context of School Dropout

Vasconcelos

Júnior²,

Almeida

et al. 2019

Communication Papers of the 2019 Federated Conference on Computer Science and Information Systems

View full text Add to dashboard Cite

Students' dropout is certainly one of the major problems that afflict educational institutions, the losses caused by the student's abandonment are social, academic and economic waste. The quest for its causes has been subject of work and educational research around the world. Several organizations seek strategic decisions to control the dropout rate. This work's goal is to evaluate the effectiveness of the most used data mining algorithms in the education area. An "in vivo" controlled experiment was planned and performed to compare the efficacy selected classifiers. The Random Forest and SVM algorithms have stood out in this context, having, statistically similar accuracy (80.36%, 81.18%), precision (80.79%, 80.25%), recall (76.50%, 77.51%) and f-measure (78.86%, 78.81%) averages. The results showed evidence of significant differences between the algorithms, and also showed that, although the SVM had the best metric of accuracy and recall, it results were statistically similar with Random Forest results. 1 www.educationaldatamining.org Communication Papers of the Federated Conference on Computer Science and Information Systems pp. 3-10

show abstract

Predição da Evasão em Cursos de Graduação em Instituições Públicas

Cited by 10 publications

References 0 publications

Predição de Evasão Utilizando Técnicas de Classificação: Um Estudo de Caso do Instituto Federal do Ceará

Predição de Evasão Utilizando Técnicas de Classificação: Um Estudo de Caso do Instituto Federal do Ceará

Dificuldades no Processo de Aprendizagem de Programação de Computadores: um Survey com Estudantes de Cursos da Área de Computação

Comparative Analysis of Data Mining Algorithms Applied to the Context of School Dropout

Contact Info

Product

Resources

About