Minerando Dados Educacionais com foco na evasão escolar: oportunidades, desafios e necessidades
Resumo
Este artigo, tendo como foco o quarto desafio da SBC, o qual trata do “Acesso participativo e universal do cidadão brasileiro ao conhecimento”, apresenta uma análise de melhorias possíveis na aplicação de Mineração de Dados Educacionais, para que seus resultados possam apoiar efetivamente processos de detecção de comportamentos ligados à evasão escolar. É demonstrada a importância de um amplo mapeamento de fatores associados, bem como a necessidade de implantação de soluções interativas, que possibilitem o acesso dinâmico aos resultados, permitindo o diagnóstico precoce e a realização de ações pedagógicas relevantes. Ao final deste artigo algumas questões relevantes ao tópico mineração de dados educacionais são abordadas visando fomentar a discussão deste tópico frente ao quarto desafio.
Referências
ANDRIOLA, W. B.; ANDRIOLA, C. G.; MOURA, C. P. Opiniões de docentes e de coordenadores acerca do fenômeno da evasão discente dos cursos de graduação da Universidade Federal do Ceará (UFC). Ensaio: Avaliação e Políticas Públicas em Educação. Rio de Janeiro, v.14, n.52, jul/set, 2006, p. 365-382.
ADACHI, A.A.C.T, Evasão e evadidos nos cursos de graduação da Universidade Federal de Minas Gerais, Dissertação de Mestrado. Faculdade de Educação, UFMG, 2009.
BAKER, R. S. J., CARVALHO, A., M., J., ISOTANI, S., Mineração de Dados Educacionais: Oportunidades para o Brasil, Revista Brasileira de Informática na Educação, Volume 19, Número 2, 2011
CensoEAD (2010) CensoEAD.BR:2009. Relatório analítico da aprendizagem a distância no Brasil. ABED São Paulo: Pearson Education do Brasil, 2011.
DURAND, G., LAPLANTE, F., KOP, R. A Learning Design Recommendation System Based on Markov Decision Processes, KDD 2011 Workshop: Knowledge Discovery in Educational Data, ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD 2011) in San Diego, CA. August 21-24. 2011.
FAVERO, R. V. M., Dialogar ou evadir: Eis a questão!: Um estudo sobre a permanência e a evasão na Educação a Distancia, no Estado do Rio Grande do Sul.
CINTED-UFRGS. Novas Tecnologias na Educação. Porto Alegre: V. 4 Nº 2, Dezembro, 2006.
KAMPFF, A. Mineração de Dados Educacionais para Geração de Alertas em Ambientes Virtuais de Aprendizagem como Apoio à Prática Docente. Porto Alegre, RS: 2009
LI, N., COHEN, W., KOEDINGER, K.R., MATSUDA, N., A Machine Learning Approach for Automatic Student Model Discovery. EDM 2011: 31-40. Proceedings of the 4th International Conf on EducationalData Mining, Eindhoven, The Netherlands, July 6-8, 2011.
LIU, H., Towards Semantic Data Mining. In Proc. of the 9th International Semantic Web Conf. (ISWC2010), November 2010.
LEVY, Y. Comparing dropouts and persistence in e-learning courses, Computers & Education, 48 (2007) 185–204, 2007.
LOBO, Roberto Leal et. al. A evasão no Ensino Superior Brasileiro. Cadernos de Pesquisa, v. 37, n. 132, p. 641-659, set./dez. 2007. Disponível em [link]. Acesso em abril de 2012.
MALIN, J.T., et al.Linguistic text mining for problem reports. Systems, Man and Cybernetics, 2009. SMC 2009. IEEE International Conf. San Antonio, 2009.
MANHÃES, L. M. B, CRUZ, S. M. S., COSTA, R. J. M., ZAVALETA, J., ZIMBRÃO, G., Previsão de Estudantes com Risco de Evasão Utilizando Técnicas de Mineração de Dados. XVII WIE, 2011.
MACHADO, A. P., FERREIRA, R., BITTENCOURT, I. I., ELIAS, E., BRITO, P., COSTA, E., Mineração de texto em redes sociais aplicada à educação a distância, Colabor@ Revista Digital da CVA Ricesu, ISSN 1519-8529. V.6(23), Julho de 2010.
MEC – Ministério da Educação e Cultura (1997) “Diplomação, Retenção e Evasão nos cursos de Graduação em Instituições de Ensino Superior Públicas”, [link], Acesso em abril de 2012.
MEC – Ministério da Educação (2007) “Diretrizes Gerais do Programa de Apoio a Planos de Reestruturação e Expansão das Universidades Federais – REUNI”, [link], Acesso em Abril de 2012.
ROMERO, C., VENTURA, S., PECHENIZKIY, M., BAKER, R.S.J.d, Handbook of Educational Data Mining, Ed. C R C, 2010, 535p.
SCOTT, J (2011) – Distance Education Report, California Community Colleges Chancellor’s Office, 2011. Disponível em [link]. Acesso em abril de 2012.
SANTOS, E. M.; NETO, J. D. O.. Evasão na Educação a Distância: identificando causas e propondo estratégias de prevenção. Universidade Metropolitana de Santos (Unimes).Núcleo de Educação a Distância Unimes Virtual. Revista Científica de Educação a Distância. Vol 2 – N°2 – Dez. 2009
TINTO, V. Dropout from higher education: a theoretical synthesis of recent research. Washington, Review of Educational Research v. 45, n. 1, 1975, p. 89-125.
TOSCHER, A., JAHRER, M. 2010. Collaborative filtering applied to educational data mining. KDD Cup 2010: Improving Cognitive Models with Educational Data Mining.
ADACHI, A.A.C.T, Evasão e evadidos nos cursos de graduação da Universidade Federal de Minas Gerais, Dissertação de Mestrado. Faculdade de Educação, UFMG, 2009.
BAKER, R. S. J., CARVALHO, A., M., J., ISOTANI, S., Mineração de Dados Educacionais: Oportunidades para o Brasil, Revista Brasileira de Informática na Educação, Volume 19, Número 2, 2011
CensoEAD (2010) CensoEAD.BR:2009. Relatório analítico da aprendizagem a distância no Brasil. ABED São Paulo: Pearson Education do Brasil, 2011.
DURAND, G., LAPLANTE, F., KOP, R. A Learning Design Recommendation System Based on Markov Decision Processes, KDD 2011 Workshop: Knowledge Discovery in Educational Data, ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD 2011) in San Diego, CA. August 21-24. 2011.
FAVERO, R. V. M., Dialogar ou evadir: Eis a questão!: Um estudo sobre a permanência e a evasão na Educação a Distancia, no Estado do Rio Grande do Sul.
CINTED-UFRGS. Novas Tecnologias na Educação. Porto Alegre: V. 4 Nº 2, Dezembro, 2006.
KAMPFF, A. Mineração de Dados Educacionais para Geração de Alertas em Ambientes Virtuais de Aprendizagem como Apoio à Prática Docente. Porto Alegre, RS: 2009
LI, N., COHEN, W., KOEDINGER, K.R., MATSUDA, N., A Machine Learning Approach for Automatic Student Model Discovery. EDM 2011: 31-40. Proceedings of the 4th International Conf on EducationalData Mining, Eindhoven, The Netherlands, July 6-8, 2011.
LIU, H., Towards Semantic Data Mining. In Proc. of the 9th International Semantic Web Conf. (ISWC2010), November 2010.
LEVY, Y. Comparing dropouts and persistence in e-learning courses, Computers & Education, 48 (2007) 185–204, 2007.
LOBO, Roberto Leal et. al. A evasão no Ensino Superior Brasileiro. Cadernos de Pesquisa, v. 37, n. 132, p. 641-659, set./dez. 2007. Disponível em [link]. Acesso em abril de 2012.
MALIN, J.T., et al.Linguistic text mining for problem reports. Systems, Man and Cybernetics, 2009. SMC 2009. IEEE International Conf. San Antonio, 2009.
MANHÃES, L. M. B, CRUZ, S. M. S., COSTA, R. J. M., ZAVALETA, J., ZIMBRÃO, G., Previsão de Estudantes com Risco de Evasão Utilizando Técnicas de Mineração de Dados. XVII WIE, 2011.
MACHADO, A. P., FERREIRA, R., BITTENCOURT, I. I., ELIAS, E., BRITO, P., COSTA, E., Mineração de texto em redes sociais aplicada à educação a distância, Colabor@ Revista Digital da CVA Ricesu, ISSN 1519-8529. V.6(23), Julho de 2010.
MEC – Ministério da Educação e Cultura (1997) “Diplomação, Retenção e Evasão nos cursos de Graduação em Instituições de Ensino Superior Públicas”, [link], Acesso em abril de 2012.
MEC – Ministério da Educação (2007) “Diretrizes Gerais do Programa de Apoio a Planos de Reestruturação e Expansão das Universidades Federais – REUNI”, [link], Acesso em Abril de 2012.
ROMERO, C., VENTURA, S., PECHENIZKIY, M., BAKER, R.S.J.d, Handbook of Educational Data Mining, Ed. C R C, 2010, 535p.
SCOTT, J (2011) – Distance Education Report, California Community Colleges Chancellor’s Office, 2011. Disponível em [link]. Acesso em abril de 2012.
SANTOS, E. M.; NETO, J. D. O.. Evasão na Educação a Distância: identificando causas e propondo estratégias de prevenção. Universidade Metropolitana de Santos (Unimes).Núcleo de Educação a Distância Unimes Virtual. Revista Científica de Educação a Distância. Vol 2 – N°2 – Dez. 2009
TINTO, V. Dropout from higher education: a theoretical synthesis of recent research. Washington, Review of Educational Research v. 45, n. 1, 1975, p. 89-125.
TOSCHER, A., JAHRER, M. 2010. Collaborative filtering applied to educational data mining. KDD Cup 2010: Improving Cognitive Models with Educational Data Mining.
Publicado
16/07/2012
Como Citar
RIGO, Sandro J.; CAZELLA, Silvio C.; CAMBRUZZI, Wagner.
Minerando Dados Educacionais com foco na evasão escolar: oportunidades, desafios e necessidades. In: WORKSHOP DE DESAFIOS DA COMPUTAÇÃO APLICADA À EDUCAÇÃO (DESAFIE!), 1. , 2012, Curitiba/PR.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2012
.
p. 138-147.
