Mineração de Dados Educacionais: uso de redes neurais artificiais na predição do Perfil Acadêmico do Aluno - IFAL Campus Maragogi

  • Ewerton Silva IFAL
  • Jailton Cruz IFAL

Resumo


Este artigo apresenta um estudo de caso sobre o uso de mineração de dados, mediante a aplicação de redes neurais artificiais na predição de perfis dos discentes. O estudo foi realizado no campus Maragogi do Instituto Federal de Alagoas, utilizando dados acadêmicos para a aplicação de deep learning na ferramenta R. Os resultados sinalizaram para a identificação do perfil de cada discente, reduzindo assim o tempo gasto pela instituição para detectar possíveis deficiências de ensino, permitindo a adoção de ações proativas de estímulo aos discentes, visando superar os altos índices de evasão e reprovação.

Referências

Baker, R. e Yacef, K. (2009). “The state of educacional data minig: a review and future visions”, In: Journal of educational data minig. V. 97, p 320-324. Disponível em: https://doi.org/10.1016/j.sbspro.2013.10.240. Acesso em: 14 set. 2018.

Baker, R. S. J., Isotani, S. e Carvalho, A. M. J. B. (2006). “Mineração de dados educacionais: Oportunidade para o Brasil”, In: Revista Brasileira de Informática na Educação - RBIE. V. 19, n. 2. Disponível em: http://br-ie.org/pub /index.php/rbie/article/view/1301/1172. Acesso em: 01 set. 2018.

Binoti, M. L. M. S. et al. (2014). “Redes Neurais Artificiais para Estimação do Volume de Árvore”, In: Revista Árvore. V. 38, n. 2, p. 283-288. Disponível em: http://dx.doi.org/10.1590/S0100-67622014000200008. Acesso em: 07 jun. 2018.

Camilo, C. O. e Silva, J. C. (2009). “Mineração de dados: Conceitos, Tarefas, Métodos e Ferramentas”. Universidade Federal de Goiás – GO. Disponível em: http://www.inf.ufg.br/sites/default/files/uploads/relatorios-tecnicos/RT-INF_001-09.pdf. Acesso em: 03 ago. 2018.

Côrtes, S. C., Porcaro, R. M. e Lifschitz, S. (2002). “Mineração de dados - funcionalidades, técnicas e abordagens”. Pontifícia Universidade Católica do Rio de Janeiro – RJ. Disponível em: https://www.researchgate.net/publication/ 228912907_Mineracao_de_dados-funcionalidades_tecnicas_e_abordagens. Acesso: 3 out. 2018.

Costa, E. et al. (2012). “Mineração de dados educacionais: Conceitos, Técnicas, Ferramentas e Aplicações”, In: Jornada de atualização em informática na educação (JAIE 2012). Disponível em: http://www.br-ie.org/pub/index.php/pie /article/view/2341/2096. Acesso em: 01 jun. 2018.

Dias, M. M. (2014). “Minerando dados educacionais: relato de experiência no ambiente virtual labsql”. Dissertação (Mestrado) - Universidade Federal do Pará. Disponível em:http://repositorio.ufpa.br/jspui/bitstream/2011/9013/1/Dissertacao_MineracaoDadosEducacionais.pdf. Acesso em: 09 jun. 2018.

Ferneda, E. (2006). “Redes neurais e sua aplicação em sistemas de recuperação de informação”. USP - Ribeirão Preto - SP. Revista ibict. V. 35, n. 1, p. 25-30. Disponível em: http://revista.ibict.br/ciinf/article/view/1149/1312. Acesso em: 03 set. 2018.

Galvão, N. D. e Marin, H. F. (2009). “Técnica de mineração de dados: uma revisão da literature”, In: Acta Paulista de Enfermagem. V. 22, n. 5, p. 686-690. Disponível em: http://dx.doi.org/10.1590/S0103-21002009000500014. Acesso em: 9 jun. 2018.

Iyoda, E. M. (2000). “Inteligência computacional no projeto automático de redes neurais híbridas e redes neurofuzzy heterogêneas”. Universidade Campinas de São Paulo. Disponível em: http://www.dca.fee.unicamp.br/~vonzuben/research/emi_mest.html. Acesso em: 13 out. 2018.

Santos, A. M. et al. (2005). “Usando redes neurais artificiais e regressão logística na predição da hepatite a”, In: Revista Brasileira Epidemiológica. V. 8, n. 2, p 117-126. Disponível em: http://dx.doi.org/ 10.1590/S1415-790X2005000200004. Acesso em: 12 set. 2018.
Publicado
09/04/2019
SILVA, Ewerton; CRUZ, Jailton. Mineração de Dados Educacionais: uso de redes neurais artificiais na predição do Perfil Acadêmico do Aluno - IFAL Campus Maragogi. In: ESCOLA REGIONAL DE COMPUTAÇÃO BAHIA, ALAGOAS E SERGIPE (ERBASE) , 2019, Ilhéus. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2019 . p. 556-564.