Ferramenta para Predição do Desempenho Acadêmico no Ensino Superior
Resumo
Este trabalho apresenta o desenvolvimento de uma ferramenta para a predição de desempenho acadêmico na educação superior, especificamente em disciplinas a serem cursadas. Os modelos preditivos são concebidos a partir do percurso curricular realizado pelos alunos. Para aferir a eficácia da ferramenta desenvolvida, foram computados dados de 15 disciplinas de um curso de Ciências da Computação no período letivo de 2022/1. Os resultados demonstraram uma alta taxa de acerto, com uma média de 86% de predições corretas para o desempenho em geral, e 90% para predição específica de casos de reprovação. Destaca-se que essas médias de precisão foram obtidas mesmo em disciplinas de fases letivas iniciais (a partir da segunda fase).
Referências
Alhazmi, E., Sheneamer, A. (2023). Early Predicting of Students Performance in Higher Education. in IEEE Access, vol. 11, pp. 27579-27589, 2023, doi: 10.1109/ACCESS.2023.3250702.
American Psychological Association. (2015). 2015 survey of psychology health service providers. Washington, DC: Author.
Czibula G., Mihai A., Crivei L. (2019). S PRAR: A novel relational association rule mining classification model applied for academic performance prediction, Procedia Computer Science, Volume 159. https://doi.org/10.1016/j.procs.2019.09.156.
Garcia, L. M. L. S., Daiany F. L., e Antunes, F. (2021). “Análise da Retenção no Ensino Superior: um Estudo de Caso em um Curso de Sistemas de Informação”. Revista da Faculdade de Educação 34 (2):15-38. https://doi.org/10.30681/21787476.2020.34.1538.
Garcia L. M. L. S., Lara D. F., Gomes R. S., Cazella, S. C. (2022) Mineração de Dados Educacionais na Predição do Desempenho Acadêmico: um prognóstico a partir do percurso curricular realizado. In: SBIE, 33., 2022, Manaus. Anais. Porto Alegre: SBC. DOI: https://doi.org/10.5753/sbie.2022.225221.
Li S., Liu T. Performance Prediction for Higher Education Students Using Deep Learning, Complexity, vol. 2021, Article ID 9958203, 10 pages, 2021. https://doi.org/10.1155/2021/9958203
Maia R.F., Spina E.M., Shimizu S.S. (2010). Sistema de Previsão de Desempenho de Alunos para Auxílio a Aprendizagem e Avaliação de Disciplinas. In Anais do XXI SBIE-XVI WIE, 2010.
Morais D. M. G., Souza H. R., Silva V. B. (2023) Modelo preditivo do desempenho acadêmico: um estudo para a disciplina de cálculo diferencial e integral para Engenharias. FTT Journal of Engineering and BusinesS. N.8. P. 47 68.
Páez A. R. (2022) Modelos predictivos progresivos del rendimiento académico de estudiantes universitarios. RIDE Revista Iberoamericana Para La Investigación Y El Desarrollo Educativo, Vol. 12, Núm. 24. https://doi.org/10.23913/ride.v12i24.1196
Pereira M., Oliveira A., Teixeira M. M., Neto C. S. (2019). Uma aplicação web para predição de desempenho de alunos. In: Escola Regional De Computação Do Ceará, Maranhão e Piauí, 7., 2019, São Luís. Anais. Porto Alegre: SBC, 2019. p. 198-205.
Phan M., Caigny A., Coussement K. (2023) A decision support framework to incorporate textual data for early student dropout prediction in higher education, Decision Support Systems, Volume 168. https://doi.org/10.1016/j.dss.2023.113940.
Rabelo H., Burlamaqui A., Valentim R., Souza Rabelo, D. S., Medeiro S. (2017). Utilização de técnicas de mineração de dados educacionais para predição de desempenho de alunos de ead em ambientes virtuais de aprendizagem. In SBIE, volume 28. DOI: http://dx.doi.org/10.5753/cbie.sbie.2017.1527
Rodríguez-Hernández C. F., Musso M., Kyndt E., Cascallar E. (2021). Artificial neural networks in academic performance prediction: Systematic implementation and predictor evaluation, Computers and Education: Artificial Intelligence, Volume 2, 2021, 100018, ISSN 2666-920X, https://doi.org/10.1016/j.caeai.2021.100018.
Santos C. H. D. C., Martins, S. L., Plastino, A. (2021). É Possível Prever Evasão com Base Apenas no Desempenho Acadêmico? In: Simpósio Brasileiro de Informática na Educação, 32. Online. Anais. Porto Alegre: SBC. 2021. p. 792-802. DOI: https://doi.org/10.5753/sbie.2021.218105.
Stoll B. B., Cury D., De Lira Tavares, O., Silva De Menezes, C. (2019) Análise de dados acadêmicos baseado em previsão, recomendação e visualização. Revista Novas Tecnologias na Educação, Porto Alegre, v. 17, n. 1. DOI: 10.22456/1679-1916.95794.
American Psychological Association. (2015). 2015 survey of psychology health service providers. Washington, DC: Author.
Czibula G., Mihai A., Crivei L. (2019). S PRAR: A novel relational association rule mining classification model applied for academic performance prediction, Procedia Computer Science, Volume 159. https://doi.org/10.1016/j.procs.2019.09.156.
Garcia, L. M. L. S., Daiany F. L., e Antunes, F. (2021). “Análise da Retenção no Ensino Superior: um Estudo de Caso em um Curso de Sistemas de Informação”. Revista da Faculdade de Educação 34 (2):15-38. https://doi.org/10.30681/21787476.2020.34.1538.
Garcia L. M. L. S., Lara D. F., Gomes R. S., Cazella, S. C. (2022) Mineração de Dados Educacionais na Predição do Desempenho Acadêmico: um prognóstico a partir do percurso curricular realizado. In: SBIE, 33., 2022, Manaus. Anais. Porto Alegre: SBC. DOI: https://doi.org/10.5753/sbie.2022.225221.
Li S., Liu T. Performance Prediction for Higher Education Students Using Deep Learning, Complexity, vol. 2021, Article ID 9958203, 10 pages, 2021. https://doi.org/10.1155/2021/9958203
Maia R.F., Spina E.M., Shimizu S.S. (2010). Sistema de Previsão de Desempenho de Alunos para Auxílio a Aprendizagem e Avaliação de Disciplinas. In Anais do XXI SBIE-XVI WIE, 2010.
Morais D. M. G., Souza H. R., Silva V. B. (2023) Modelo preditivo do desempenho acadêmico: um estudo para a disciplina de cálculo diferencial e integral para Engenharias. FTT Journal of Engineering and BusinesS. N.8. P. 47 68.
Páez A. R. (2022) Modelos predictivos progresivos del rendimiento académico de estudiantes universitarios. RIDE Revista Iberoamericana Para La Investigación Y El Desarrollo Educativo, Vol. 12, Núm. 24. https://doi.org/10.23913/ride.v12i24.1196
Pereira M., Oliveira A., Teixeira M. M., Neto C. S. (2019). Uma aplicação web para predição de desempenho de alunos. In: Escola Regional De Computação Do Ceará, Maranhão e Piauí, 7., 2019, São Luís. Anais. Porto Alegre: SBC, 2019. p. 198-205.
Phan M., Caigny A., Coussement K. (2023) A decision support framework to incorporate textual data for early student dropout prediction in higher education, Decision Support Systems, Volume 168. https://doi.org/10.1016/j.dss.2023.113940.
Rabelo H., Burlamaqui A., Valentim R., Souza Rabelo, D. S., Medeiro S. (2017). Utilização de técnicas de mineração de dados educacionais para predição de desempenho de alunos de ead em ambientes virtuais de aprendizagem. In SBIE, volume 28. DOI: http://dx.doi.org/10.5753/cbie.sbie.2017.1527
Rodríguez-Hernández C. F., Musso M., Kyndt E., Cascallar E. (2021). Artificial neural networks in academic performance prediction: Systematic implementation and predictor evaluation, Computers and Education: Artificial Intelligence, Volume 2, 2021, 100018, ISSN 2666-920X, https://doi.org/10.1016/j.caeai.2021.100018.
Santos C. H. D. C., Martins, S. L., Plastino, A. (2021). É Possível Prever Evasão com Base Apenas no Desempenho Acadêmico? In: Simpósio Brasileiro de Informática na Educação, 32. Online. Anais. Porto Alegre: SBC. 2021. p. 792-802. DOI: https://doi.org/10.5753/sbie.2021.218105.
Stoll B. B., Cury D., De Lira Tavares, O., Silva De Menezes, C. (2019) Análise de dados acadêmicos baseado em previsão, recomendação e visualização. Revista Novas Tecnologias na Educação, Porto Alegre, v. 17, n. 1. DOI: 10.22456/1679-1916.95794.
Publicado
06/11/2023
Como Citar
GARCIA, Léo Manoel Lopes da Silva; LARA, Daiany Francisca; GOMES, Raquel Salcedo; CAZELLA, Sílvio Cezar.
Ferramenta para Predição do Desempenho Acadêmico no Ensino Superior. In: SIMPÓSIO BRASILEIRO DE INFORMÁTICA NA EDUCAÇÃO (SBIE), 34. , 2023, Passo Fundo/RS.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2023
.
p. 1215-1225.
DOI: https://doi.org/10.5753/sbie.2023.234497.
