Aprendizado de máquina aplicado a evasão no ensino superior

Oliveira, Victor Augusto Souza de

Please use this identifier to cite or link to this item: http://hdl.handle.net/11422/21090

Full metadata record

DC Field	Value	Language
dc.contributor.advisor	Silva, João Carlos Pereira da	-
dc.contributor.author	Oliveira, Victor Augusto Souza de	-
dc.date.accessioned	2023-07-11T16:42:10Z	-
dc.date.available	2023-12-21T03:03:31Z	-
dc.date.issued	2023-04-28	-
dc.identifier.uri	http://hdl.handle.net/11422/21090	-
dc.language	por	pt_BR
dc.publisher	Universidade Federal do Rio de Janeiro	pt_BR
dc.rights	Acesso Aberto	pt_BR
dc.subject	inteligência artificial	pt_BR
dc.subject	aprendizado de máquina	pt_BR
dc.subject	mineração de dados	pt_BR
dc.subject	evasão no ensino superior	pt_BR
dc.title	Aprendizado de máquina aplicado a evasão no ensino superior	pt_BR
dc.type	Trabalho de conclusão de graduação	pt_BR
dc.contributor.advisorLattes	http://lattes.cnpq.br/9413102524215939	pt_BR
dc.contributor.referee1	Valerio, Juliana Vianna	-
dc.contributor.referee1Lattes	http://lattes.cnpq.br/7094932502443475	pt_BR
dc.contributor.referee2	Rossetto, Silvana	-
dc.contributor.referee2Lattes	http://lattes.cnpq.br/0054098292730720	pt_BR
dc.description.resumo	A evasão no ensino superior é um problema que afeta tanto universidades públicas quanto privadas. Essa evasão representa infraestrutura, professores e funcionários subutilizados e, por isso, é interesse das universidades desenvolver programas e técnicas voltadas a diminuição desse índice. Este trabalho tem por objetivo utilizar a técnica de aprendizado de máquina conhecida como árvore de decisão para ajudar na identificação de estudantes do Bacharelado em Ciência da Computação da UFRJ com maior chance de evadir e traçar um perfil dos mesmos. Foram gerados quatro conjuntos de dados a partir das informações disponíveis em quatro períodos diferentes de tempo, com o objetivo de verificar se as características dos estudantes que evadem mudam dependendo do momento que a evasão ocorre. As árvores de decisão resultantes tiveram bom desempenho, identificando de 70 a 85% dos alunos evadidos dependendo do conjunto utilizado. O perfil traçado identificou os principais atributos dos alunos evasores possibilitando que orientadores e professores possam atuar antes que a evasão de fato ocorra.	pt_BR
dc.publisher.country	Brasil	pt_BR
dc.publisher.department	Instituto de Computação	pt_BR
dc.publisher.initials	UFRJ	pt_BR
dc.subject.cnpq	CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO	pt_BR
dc.embargo.terms	aberto	pt_BR
Appears in Collections:	Ciência da Computação

Files in This Item:

File	Description	Size	Format
VASOliveira.pdf		1.78 MB	Adobe PDF	View/Open

Show simple item record Recommend this item View Statistics

Pantheon Institutional repository