Técnicas de Data Science para Descoberta de Conhecimento em Grandes Volumes de Dados Abertos Educacionais

Técnicas de Data Science para Descoberta de Conhecimento em Grandes Volumes de Dados Abertos Educacionais

• Autor
• Ebony Marques Rodrigues
• Resumo

• Este trabalho observou o uso de técnicas dos processos de Knowledge Discovery in Databases (KDD) e Cross Industry Standard Process for Data Mining (CRISP-DM) sobre bases de dados de 2016, 2017 e 2018 do Exame Nacional de Desempenho dos Estudantes (ENADE) e do Censo da Educação Superior visando à descoberta de conhecimentos acerca do contexto de formação de estudantes no âmbito do ensino superior público brasileiro. As técnicas em questão foram empregadas por meio das linguagens de programação Python e R. O estudo tratou da execução de três cenários de mineração de dados, fundamentados por métodos do Aprendizado de Máquina Supervisionado e do Aprendizado de Máquina Não Supervisionado, compreendendo experimentos de classificação, agrupamento e associação de dados. O primeiro cenário, baseado por dados de concluintes de cursos de graduação de graus bacharelado e licenciatura, objetivou classificar estudantes, levando em conta informações socioeconômicas, a partir do tempo aproximado de conclusão da graduação em IES públicas de todo o Brasil, por meio de 16 modelos de classificação construídos com a utilização de algoritmos de Árvore de Decisão, Floresta Aleatória, XGBoost e Rede Neural. Os modelos XGBoost tiveram os melhores resultados em todos os experimentos. O segundo cenário, por sua vez, tratou do uso do algoritmo K-Modes, derivado do K-Means, na execução de um agrupamento de IES públicas brasileiras que possibilitou a identificação de similaridades e dissimilaridades das instituições, com base em um conjunto de características. Os grupos resultantes do agrupamento, além de dados de concluintes de cursos de graduação de graus bacharelado e licenciatura, foram considerados pelos experimentos do terceiro cenário de mineração de dados para a geração de regras de associação, com o emprego do algoritmo Apriori, que podem suportar a descoberta de conhecimento no contexto do ensino superior público brasileiro, observando distintos perfis socioeconômicos de discentes.

• Palavras-chave
• Data Science, Machine Learning, Knowledge Discovery in Databases, Cross Industry Standard Process for Data Mining, XGBoost, KModes, Apriori, ENADE, IES
• Área Temática
• Estatística e Informática (SEDE)