Uma abordagem de descoberta de conhecimento para desvendar as causas da evasão escolar: Um estudo de caso com o curso de ciência da computação da UFERSA

Uma abordagem de descoberta de conhecimento para desvendar as causas da evasão escolar: Um estudo de caso com o curso de ciência da computação da UFERSA

• Autor
• Arthur Vitor Matias de Oliveira
• Co-autores
• Angelica Félix de Castro , Paulo Gabriel Gadelha Queiroz , Leonardo Torres Marques
• Resumo

•  

  A evasão escolar é um problema institucional que representa o fim do vínculo acadêmico estudantil e suas causas partem de várias vertentes, podendo ser geradas pelo próprio aluno ou a pela instituição na qual está cursando. Deste modo, o problema da identificação de alunos em risco de evasão se torna algo totalmente subjetivo, necessitando de metodologias e abordagens para que se possa lidar com tal problema. No presente projeto de iniciação científica (IC), no qual constitui o segundo ano de estudo, foi desenvolvido uma metodologia de abordagem de conhecimento denotada de MATEO, onde está foi também a dissertação de conclusão de curso do aluno mestrando Leonardo Torres Marques. A metodologia MATEO foi desenvolvida utilizando a linguagem de programação python, os códigos fontes da metodologia estão disponíveis em um repositório publico no GitHub (https://github.com/AnaliseDeDadosUfersa/AnalisedeDados.git). O caso de uso utilizado para o desenvolvimento da metodologia foi a dos alunos do curso de ciência da computação da universidade federal rural do semiárido (UFERSA). O processo de construção da abordagem de conhecimento se utilizou de técnicas de mineração de dados e classificadores como redes neurais artificiais para a predição de dados de ex alunos do curso de ciência da computação da UFERSA. Os dados foram fornecidos via questionário pelos próprios alunos via Google Forms, o questionário era formado por variáveis relacionadas as características do aluno, as características da instituição e as características externas a instituição, essas variáveis foram definidas na primeira etapa da abordagem sendo está a etapa de definição de variáveis realizada no primeiro ano de projeto de IC. Após a realização da coleta de dados foram realizadas etapas para corrigir e normalizar os dados obtidos, sendo estas as etapas: processamento de dados e normalização de dados, ambas realizadas no primeiro ano de projeto de IC. Com os dados processados e normalizados foram testados vários modelos preditivos para a validação da metodologia, nesta etapa o intuito era encontrar os melhores modelos preditivos, utilizando como critério avaliativo a precisão de acerto dos modelos. As atividades realizadas no projeto de IC do ano vigente é portanto relacionadas a finalização da metodologia, implementação e experimentação dos modelos preditivos e validação dos mesmos. Os modelos criados foram treinados com os dados dos 100 ex alunos do curso de ciência da computação, estes dados foram repartidos respectivamente em dados de treino e teste, constituindo 70% dos dados treino e 30% dos dados teste, os modelos preditivos testados foram: Adaptive Boosting, J48, Naive Bayes, Multilayer Perceptron (MLP), Support Vector Machine (SVM) e k-nearest neighbors algorithm. Os modelos que apresentaram melhor desempenho foram o MLP e SVM ambos com média de acerto de 98% sob os dados de teste. Com resultado dos modelos validados, tendo como porcentagens acerto superior a 95% dos dados testados, conclui-se que a abordagem desenvolvida no projeto IC constitui uma de abordagem satisfatória para a inferência de causas da evasão escola nos mais diversos escopos e instituições.

• Palavras-chave
• Evasão Escolar, Mineração de Dados, Apoio à Decisão.
• Área Temática
• Ciências Exatas e da Terra

Voltar Download