Predição do Conceito ENADE dos Cursos de Computação no Brasil
Resumo
O ENADE é uma avaliação em larga escala aplicada a estudantes de graduação no Brasil. Suas pontuações servem como métrica para avaliar a qualidade do ensino, conhecida como Conceito ENADE. Uma classificação mais elevada do Conceito ENADE pode levar a maior visibilidade e investimentos nas Instituições de Ensino Superior. Este trabalho tem como objetivo avaliar o desempenho de técnicas de Aprendizado de Máquina na predição do Conceito ENADE para cursos de computação no Brasil utilizando microdados do exame. Os experimentos envolvem a avaliação de vários classificadores com variações no conjunto de dados e a consideração do impacto do aspecto temporal do exame no desempenho da predição. Identificou-se que o Support Vector Machine produz os melhores resultados de predição. Ademais, os resultados sugerem que dados de treinamento mais antigos reduzem o desempenho da predição, indicando que as características dos cursos mudam ao longo do tempo.
Referências
Barbosa, P., Damazio, G., Carvalho, W., and Carmo, R. (2023). O sucesso não é apenas uma questão de sorte: um mapeamento sistemático sobre técnicas de análise do enade da área de computação. In Anais do III Simpósio Brasileiro de Educação em Computação, pages 59–68, Porto Alegre, RS, Brasil. SBC.
BRASIL (2023). Instituto nacional de estudos e pesquisas educacionais anísio teixeira. [link]. [Acessado em 01-jul-2023].
Capelari, L. O. O. (2022). Predição do desempenho no enade dos discentes de computação. Universidade Tecnológica Federal do Paraná.
Capelari, L. O. O. and Schwerz, A. L. (2021). O perfil socioeconômico dos concluintes de computação do sul do brasil. Anais do Computer on the Beach, 12:133–140.
Figueiro, M., Vista, N., Barasuol, J., Chicon, P., and Ansuj, A. (2018). Análise de agrupamento hierárquico aplicada aos microdados do enade do curso de graduação em ciência da computação. Revista Eletrônica Argentina-Brasil de Tecnologias da Informação e da Comunicação, 1(8).
Filho, R. L. A. (2018). Análise do desempenho acadêmico enem/enade como instrumento de qualificação dos cursos de engenharia de produção no brasil. Universidade Tecnológica Federal do Paraná.
Frawley, W. J., Piatetsky-Shapiro, G., and Matheus, C. J. (1992). Knowledge discovery in databases: An overview. AI Magazine, 13(3):57.
Inep (2020). Indicadores de qualidade da educação superior. [link]. [Acessado em 08-jul-2023].
Inep (2022a). Nota tÉcnica nº 7/2022/cgcqes/daes. [link]. [Acessado em 08-jul-2023].
INEP (2023). Microdados do enade. [link]. [Acessado em 01-jul-2023].
Inep (2023). Nota tÉcnica nº 4/2023/cei/cggi/daes. [link]. [Acessado em 27-ago-2023].
Inep, A. (2022b). Verificação do enquadramento automático vai até 31/8. [link]. [Acessado em 08-jul-2023].
Martins, E. R., Alarcão, D. T. A., and Vieira, S. L. (2021). Descoberta de conhecimento aplicado ao enade. In Martins, E. R., editor, Engenharia de Produção: Gestão de Qualidade, Produção e Operações Vol. 2, pages 77–90. Editora Científica Digital.
Nunes, R. T. M., Quadrelli, G., and Nazaré, T. B. (2018). Cálculo preditivo de classificação das notas do enade utilizando redes neurais artificiais. Revista de Tecnologia Aplicada, 7(2):71–81.
Pedregosa, F., Varoquaux, G., Gramfort, A., Michel, V., Thirion, B., Grisel, O., Blondel, M., Prettenhofer, P., Weiss, R., Dubourg, V., Vanderplas, J., Passos, A., Cournapeau, D., Brucher, M., Perrot, M., and Duchesnay, E. (2011). Scikit-learn: Machine learning in Python. Journal of Machine Learning Research, 12:2825–2830.
Rosa, E. R., Ferreira, D. J., da Silva, N. F. F., and Assis, A. (2021). Estudo exploratório através de análises longitudinais aplicado à ciência da computação a partir da base de dados do enade. Revista Brasileira de Informática na Educação, 29:1463–1486.
Rout, A. R. (2023). Z-score in statistics. [link] [Acessado em 05-jul-2023].
Scikit-Learn (2023). 3.2. tuning the hyper-parameters of an estimator. [link]. [Acessado em 09-jul-2023].
Silva, J. C. P., de Oliveira, E. J., Neto, F. M. M., Santos, A. M., e Silva, L. C., Marques, L. T., Mendes, I. M., de Sousa Neto, A. F., Silva, J. C. P., and Silva, S. D. (2021). Data analysis of the performance of brazilian higher education medicine courses. In Proceedings of the 10th Euro-American Conference on Telematics and Information Systems, EATIS ’20, New York, NY, USA. ACM.
Vieira, A., Bertolini, D., and Schwerz, A. (2022). Análise do desempenho no enade dos concluintes de computação usando técnica de agrupamento. In Anais do XXXIII Simpósio Brasileiro de Informática na Educação, pages 834–845, Porto Alegre, RS, Brasil. SBC.
Webb, G., Hyde, R., Cao, H., Nguyen, H.-L., and Petitjean, F. (2016). Characterizing concept drift. Data Mining and Knowledge Discovery, 30.
BRASIL (2023). Instituto nacional de estudos e pesquisas educacionais anísio teixeira. [link]. [Acessado em 01-jul-2023].
Capelari, L. O. O. (2022). Predição do desempenho no enade dos discentes de computação. Universidade Tecnológica Federal do Paraná.
Capelari, L. O. O. and Schwerz, A. L. (2021). O perfil socioeconômico dos concluintes de computação do sul do brasil. Anais do Computer on the Beach, 12:133–140.
Figueiro, M., Vista, N., Barasuol, J., Chicon, P., and Ansuj, A. (2018). Análise de agrupamento hierárquico aplicada aos microdados do enade do curso de graduação em ciência da computação. Revista Eletrônica Argentina-Brasil de Tecnologias da Informação e da Comunicação, 1(8).
Filho, R. L. A. (2018). Análise do desempenho acadêmico enem/enade como instrumento de qualificação dos cursos de engenharia de produção no brasil. Universidade Tecnológica Federal do Paraná.
Frawley, W. J., Piatetsky-Shapiro, G., and Matheus, C. J. (1992). Knowledge discovery in databases: An overview. AI Magazine, 13(3):57.
Inep (2020). Indicadores de qualidade da educação superior. [link]. [Acessado em 08-jul-2023].
Inep (2022a). Nota tÉcnica nº 7/2022/cgcqes/daes. [link]. [Acessado em 08-jul-2023].
INEP (2023). Microdados do enade. [link]. [Acessado em 01-jul-2023].
Inep (2023). Nota tÉcnica nº 4/2023/cei/cggi/daes. [link]. [Acessado em 27-ago-2023].
Inep, A. (2022b). Verificação do enquadramento automático vai até 31/8. [link]. [Acessado em 08-jul-2023].
Martins, E. R., Alarcão, D. T. A., and Vieira, S. L. (2021). Descoberta de conhecimento aplicado ao enade. In Martins, E. R., editor, Engenharia de Produção: Gestão de Qualidade, Produção e Operações Vol. 2, pages 77–90. Editora Científica Digital.
Nunes, R. T. M., Quadrelli, G., and Nazaré, T. B. (2018). Cálculo preditivo de classificação das notas do enade utilizando redes neurais artificiais. Revista de Tecnologia Aplicada, 7(2):71–81.
Pedregosa, F., Varoquaux, G., Gramfort, A., Michel, V., Thirion, B., Grisel, O., Blondel, M., Prettenhofer, P., Weiss, R., Dubourg, V., Vanderplas, J., Passos, A., Cournapeau, D., Brucher, M., Perrot, M., and Duchesnay, E. (2011). Scikit-learn: Machine learning in Python. Journal of Machine Learning Research, 12:2825–2830.
Rosa, E. R., Ferreira, D. J., da Silva, N. F. F., and Assis, A. (2021). Estudo exploratório através de análises longitudinais aplicado à ciência da computação a partir da base de dados do enade. Revista Brasileira de Informática na Educação, 29:1463–1486.
Rout, A. R. (2023). Z-score in statistics. [link] [Acessado em 05-jul-2023].
Scikit-Learn (2023). 3.2. tuning the hyper-parameters of an estimator. [link]. [Acessado em 09-jul-2023].
Silva, J. C. P., de Oliveira, E. J., Neto, F. M. M., Santos, A. M., e Silva, L. C., Marques, L. T., Mendes, I. M., de Sousa Neto, A. F., Silva, J. C. P., and Silva, S. D. (2021). Data analysis of the performance of brazilian higher education medicine courses. In Proceedings of the 10th Euro-American Conference on Telematics and Information Systems, EATIS ’20, New York, NY, USA. ACM.
Vieira, A., Bertolini, D., and Schwerz, A. (2022). Análise do desempenho no enade dos concluintes de computação usando técnica de agrupamento. In Anais do XXXIII Simpósio Brasileiro de Informática na Educação, pages 834–845, Porto Alegre, RS, Brasil. SBC.
Webb, G., Hyde, R., Cao, H., Nguyen, H.-L., and Petitjean, F. (2016). Characterizing concept drift. Data Mining and Knowledge Discovery, 30.
Publicado
06/11/2023
Como Citar
SAKASHITA, Renan G. A.; BERTOLINI, Diego; SCHWERZ, André Luis.
Predição do Conceito ENADE dos Cursos de Computação no Brasil. In: SIMPÓSIO BRASILEIRO DE INFORMÁTICA NA EDUCAÇÃO (SBIE), 34. , 2023, Passo Fundo/RS.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2023
.
p. 1305-1316.
DOI: https://doi.org/10.5753/sbie.2023.234715.
