Please use this identifier to cite or link to this item: http://bdtd.uftm.edu.br/handle/tede/635
Tipo: Dissertação
Título: Mineração de dados como suporte educacional
Autor: MIRANDA, Larissa de Pádua 
Primeiro orientador: LEMES, Leandro Cruvinel
Resumo: Ao considerar as demandas educacionais, o processo de informatização do ambiente escolar e o baixo desempenho dos alunos na disciplina de matemática, propõe-se pesquisar, conhecer e adaptar materiais que viabilizem a classificação de estudantes a partir de perfis pautados na relação entre fatores sociais, escolares (avaliações bimestrais e somativas) e extraescolares que possam influenciar sobremaneira no rendimento deles ao final do ano letivo. Para isso, utilizou-se a Mineração de Dados Educacionais (do inglês Educational Data Mining, EDM) – especificamente os algoritmos Random Forest, Gradient Boosting Classifier e KNearest Neighbor Algorithm (KNN) – e a linguagem de programação Python para adaptar modelos por meio de dois conjuntos de dados disponíveis em um site gratuito para comparar a eficiência entre eles. Pretende-se identificar fatores sociais e extraescolares, além de construir perfis de alunos de determinada comunidade, com vistas a discutir metodologias que podem otimizar o processo de ensino e aprendizagem.
Resumo: When considering the educational demands, the process of computerization of the school environment and the low performance of the students in the mathematics discipline, it is proposed to research, to know and to adapt materials that enable the classification of students from profiles based on the relation between social factors, (bimonthly and summative assessments) and extracurricular activities that may greatly influence their performance at the end of the school year. For this, Educational Data Mining (EDM) - specifically the Random Forest algorithms, Gradient Boosting Classifier and KNearest Neighbor Algorithm (KNN) - and the programming language Python to adapt models through two sets of data available on a free website to compare the efficiency between them. It aims to identify social and extra-school factors, as well as to build profiles of students from a particular community, with a view to discussing methodologies that can optimize the teaching and learning process.
Palavras-chave: Mineração de Dados Educacionais.
Práticas escolares.
Fatores sociais
Educational Data Mining.
School practices.
Social factors.
Área do CNPQ: Matemática
Idioma: por
País: Brasil
Editora / Evento / Instituição: Universidade Federal do Triângulo Mineiro
Sigla da instituição: UFTM
Departamento: Instituto de Ciências Exatas, Naturais e Educação - ICENE::Curso de Licenciatura em Matemática
Programa: Programa de Mestrado Profissional em Matemática em Rede Nacional
Citação: MIRANDA, Larissa de Pádua. Mineração de dados como suporte educacional. 2018. 53f. Dissertação (Mestrado em Matemática) - Programa de Mestrado Profissional em Matemática em Rede Nacional, Universidade Federal do Triângulo Mineiro, Uberaba, 2018.
Tipo de Acesso: Acesso Aberto
Endereço da licença: http://creativecommons.org/licenses/by-nc-nd/4.0/
Data do documento: 17-Dec-2018
Appears in Collections:Programa de Mestrado Profissional em Matemática em Rede Nacional

Files in This Item:
File Description SizeFormat 
Dissert Larissa P Miranda.pdfDissert Larissa P Miranda1,25 MBAdobe PDFThumbnail

Download/Open Preview


This item is licensed under a Creative Commons License Creative Commons