Logo do repositório
  • English
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Latviešu
  • Magyar
  • Nederlands
  • Português
  • Português do Brasil
  • Suomi
  • Entrar
    Novo usuário? Clique aqui para cadastrar.Esqueceu sua senha?
Logo do repositório
  • Comunidades e Coleções
  • Tudo no DSpace
  • English
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Latviešu
  • Magyar
  • Nederlands
  • Português
  • Português do Brasil
  • Suomi
  • Entrar
    Novo usuário? Clique aqui para cadastrar.Esqueceu sua senha?
  1. Início
  2. Pesquisar por Autor

Navegando por Autor "VIANA, Filipe Soares"

Agora exibindo 1 - 1 de 1
Resultados por página
Opções de Ordenação
  • Nenhuma Miniatura disponível
    Item
    AVALIAÇÃO DE CLASSIFICADORES PARA PREDIÇÃO DE EVASÃO NO ENSINO SUPERIOR UTILIZANDO JANELA SEMESTRAL
    (2022-08-29) VIANA, Filipe Soares
    A evasão estudantil nas universidades vem se apresentando como um problema recorrentee preocupante no mundo ao longo dos anos. Essa situação se torna algo ainda maisalarmante no Brasil em suas universidades públicas com orçamento oriundo dos cofres danação, problema esse não limitado ao prejuízo financeiro, mas também social e acadêmico.Diminuir a evasão se torna uma ação importante nas universidades, sendo de grandeajuda um mecanismo para classificar alunos ativos na sua predisposição para evadir. Essetrabalho se propõe a classificar e prever um discente ativo como “Evadido” ou "Formado",podendo assim os interessados redirecionarem esforços para evitar que o discente evada.Serão utilizados 4 estudos de casos: o primeiro utilizando dados do curso de Ciência daComputação da Universidade Federal do Piauí (UFPI); o segundo com os discentes docurso de Sistemas de Informação e o terceiro caso com a analise ocorrendo com a os doiscursos anteriores. A metodologia abordada segue os conceitos de Knowledge Discovery inDatabases (KDD) como guia na obtenção de um modelo preditivo e de conhecimentos noprocesso. O KDD descreve o processo de coleta dos dados, pré-processamento e, por fim, amineração dos dados utilizando algoritmos de aprendizagem de máquina. São utilizados7 algoritmos muito utilizados na literatura, comparando-os do decorrer das análise. Omodelo treinado é validado com métricas importantes como Accuracy, Recall, Precision,F1 Score, Índice Kappa e curva ROC.

DSpace software copyright © 2002-2025 LYRASIS

  • Configurações de Cookies
  • Política de Privacidade
  • Termos de Uso
  • Enviar uma Sugestão