Um estudo comparativo de classificadores na previsão da evasão de alunos em EAD

Abstract

The use of machine learning and data mining algorithms in educational contexts has evolved due to the large availability of data generated mainly in virtual learning environments. This study makes a comparative analysis of five classifiers in the task of predicting students with risk of dropping out in undergraduate courses by distance education. The results showed a small advantage for the use of Logistic Regression in the data analyzed, with success rates above 90% in the predictive model. Resumo.O uso de algoritmos de mineração de dados e de aprendizagem de máquina em contextos educacionais tem evoluído em razão da grande disponibilidade de dados geradas principalmente em ambientes virtuais de aprendizagem. Este estudo faz uma análise comparativa de cinco classificadores na tarefa de predição de alunos com risco de evasão em cursos de graduação por EAD. Os resultados apontaram uma pequena vantagem para o uso da Regressão Logística nos dados analisados, com taxas de sucesso acima de 90% no modelo preditivo.

Active Methodology, Educational Data Mining and Learning Analytics: A Systematic Mapping Study

“…For Waheed et al (2020), educational data has been substantiated as a multidisciplinary field of study involving several research disciplines, generating several terms associated with this educational data exploration, such as academic analysis, predictive analysis, learning analysis and, finally, educational data science. According to Ramos et al (2018), the data extracted from virtual environments can indicate students' behavioral characteristics and, therefore, allow inferential and predictive analyzes based on technology.…”

“…In 2015, in 40% of the institutions surveyed, the dropout rate was between 26% to 50% (Ramos et al, 2017). In 2016, in 32% of the institutions surveyed, the average dropout rate was between 11% and 25% and, for another 13% of institutions, from 26% to 35% (Ramos et al, 2018). In 2018, indications of up to 50% dropout were found in totally distance courses.…”

“…Technology is helping to create a profound impact on education, transforming the way of knowledge transmission and the scope of teaching and learning. Distance Education is a teaching method that allows self-learning, in which teachers and students can be geographically distant and interact asynchronously (Heidrich et al, 2018) through Virtual Learning Environments (VLE), where all the course content is presented, as well as interaction and evaluation resources are available (Ramos et al, 2018).…”

ASSIS: Assistente Inteligente como Serviço para Plataformas de Ensino a Distância

“…Já a pesquisa desenvolvida por Ramos et al (2018) apresenta um estudo comparativo de algoritmos de aprendizagem de máquina na previsão da evasão de alunos em EaD. O trabalho utiliza os algoritmos Árvore de decisão, SVM, k-Nearest Neighbors e Regressão Logística.…”

Predição de Risco de Evasão de Alunos Usando Métodos de Aprendizado de Máquina em Cursos Técnicos

“…Estudos como este na área de mineração de dados educacionais crescem constantemente. A maior parte dos trabalhos nessa área para predição de evasão tem sido com foco em ambientes virtuais de aprendizagem, onde existem informações constantes sobre atividade do aluno (Araújo and Rodrigues, 2018;Ramos et al, 2018). Cursos presenciais de nível superior também estão entre os que tem recebido maior atenção da comunidade acadêmica.…”