|
Artigo - Trilha Principal Aplicando Mineração de Dados Para Predição da Evasão Escolar no Ensino Superior em uma Instituição Federal de Ensino Autores: SANTOS, J. C. B., GOULART, A., FEITOSA, S. S. et al. Resumo: Mineração de Dados é um processo que objetiva encontrar conhecimento útil e descobrir padrões anteriormente desconhecidos a partir de dados. A Evasão Escolar ainda é um dos desafios a serem atacados em ambientes de Educação Superior. Este trabalho apresenta uma ferramenta que faz uso de um modelo inteligente capaz de predizer potenciais evasores em uma instituição de Ensino Superior através de algoritmos de Machine Learning. Para realizar as predições foram utilizadas as técnicas de Árvore de Decisão e Rede Neural. A Árvore de Decisão apresentou o melhor resultado, alcançado 84% de acerto para a classe de evasores e acur´cia de 87%, enquanto a Rede Neural alcançou 82% de acurácia com 78% de precisão para a classe de evasores. Com os dados obtidos da instituição, as características mais relevantes no auxílio à predição foram a média do número de faltas e a idade. Palavras chave: Evasão escolar, Mineração de Dados, Classifica ção, Ensino Superior. Artigo completo (em português) Referência completa: Santos, J. C. B., Goulart, A., Feitosa, S. S. et al., "Aplicando Mineração de Dados Para Predição da Evasão Escolar no Ensino Superior em uma Instituição Federal de Ensino", Revista de Sistemas de Informação da FSMA n 29(2022) pp. 12-24 |