Análise Baseada em Dados de Relações do Desempenho entre Disciplinas: Um Estudo de Caso na UFRN
Resumo
Neste trabalho utilizamos técnicas de visualização de dados científicos para analisar as relações de desempenho dos alunos nos cursos que compõem a grade curricular. Neste caso, as técnicas de mapeamento de correlação e de gráficos de coordenadas paralelas foram utilizadas nos dados acadêmicos dos alunos do curso de bacharelado em Ciência e Tecnologia da Universidade Federal do Rio Grande do Norte. A análise foi incentivada por causa do número significativo de desistentes de alunos neste curso e porque o banco de dados está apenas disponível na forma de tabelas.
Palavras-chave:
Visualização de Dados, Desempenho Acadêmico, Ciência de Dados, UFRN
Referências
Barros, T., Silva, I., and Guedes, L. (2017). Modelagem e visualização científica de dados educacionais: Estudo de casos sobre o desempenho em componentes curriculares. In Anais dos Workshops do Congresso Brasileiro de Informática na Educação, volume 6, page 654.
Cao, L. (2017). Data science: challenges and directions. Communications of the ACM, 60(8):59–68.
Costa, A., Nascimento, M., and Santos, W. (2017a). O Uso do Cursos UFCG.
Costa, E. J., Rodrigues, E. C., Silva, M. V. D., Gomes, R. C. S., and Assis, C. C. B. (2017b). Um estudo estatístico sobre o aproveitamento em Física de alunos de ensino médio e seus desempenhos em outras disciplinas. Revista Brasileira de Ensino de Física, 39(1):1–6.
Devore, J. L. (2011). Probability and Statistics for Engineering and the Sciences. Cengage Learning.
Gaševi?, D., Dawson, S., and Siemens, G. (2015). Let’s not forget: Learning analytics are about learning. TechTrends, 59(1):64–71.
Igual, L. and Seguí, S. (2017). A python approach to concepts, techniques and applications. In Introduction to Data Science, pages 1–4. Springer.
Inselberg, A. and Dimsdale, B. (1990). Parallel coordinates: a tool for visualizing multi-dimensional geometry. In Proceedings of the 1st conference on Visualization ’90, pages 361–378. IEEE Computer Society Press.
Nascimento, H. A. and Ferreira, C. B. (2011). Uma introdução à visualização de informações. Visualidades, 9(2).
Porto, F. and Zaviani, A. (2015). Ciência de Dados. Lncc.Br, pages 1–7.
Santos, M. C. Q., Moraes, D. S. M. W., Silveira, D. M. S., Träsel, M., Tietzmann, D. R., and Manssour, D. I. H. (2015). A aplicação de visualizações gráficas para a análise jornalística de dados do Twitter.
Siemens, G. and Baker, R. S. (2012). Learning analytics and educational data mining: towards communication and collaboration. In Proceedings of the 2nd international conference on learning analytics and knowledge, pages 252–254. ACM.
Urribarri, D. K., Castro, S. M., and Martig, S. R. (2006). Escalabilidad visual en coordenadas paralelas. In VIII Workshop de Investigadores en Ciencias de la Computación.
Webber, E. G. (2008). Análise da Relação entre as Notas das Disciplinas de Matemática e Física de Estudantes do Ensino Médio. Trabalho de conclusão de curso, Universidade Regional Integrada do Alto Uruguai e das Missões.
Cao, L. (2017). Data science: challenges and directions. Communications of the ACM, 60(8):59–68.
Costa, A., Nascimento, M., and Santos, W. (2017a). O Uso do Cursos UFCG.
Costa, E. J., Rodrigues, E. C., Silva, M. V. D., Gomes, R. C. S., and Assis, C. C. B. (2017b). Um estudo estatístico sobre o aproveitamento em Física de alunos de ensino médio e seus desempenhos em outras disciplinas. Revista Brasileira de Ensino de Física, 39(1):1–6.
Devore, J. L. (2011). Probability and Statistics for Engineering and the Sciences. Cengage Learning.
Gaševi?, D., Dawson, S., and Siemens, G. (2015). Let’s not forget: Learning analytics are about learning. TechTrends, 59(1):64–71.
Igual, L. and Seguí, S. (2017). A python approach to concepts, techniques and applications. In Introduction to Data Science, pages 1–4. Springer.
Inselberg, A. and Dimsdale, B. (1990). Parallel coordinates: a tool for visualizing multi-dimensional geometry. In Proceedings of the 1st conference on Visualization ’90, pages 361–378. IEEE Computer Society Press.
Nascimento, H. A. and Ferreira, C. B. (2011). Uma introdução à visualização de informações. Visualidades, 9(2).
Porto, F. and Zaviani, A. (2015). Ciência de Dados. Lncc.Br, pages 1–7.
Santos, M. C. Q., Moraes, D. S. M. W., Silveira, D. M. S., Träsel, M., Tietzmann, D. R., and Manssour, D. I. H. (2015). A aplicação de visualizações gráficas para a análise jornalística de dados do Twitter.
Siemens, G. and Baker, R. S. (2012). Learning analytics and educational data mining: towards communication and collaboration. In Proceedings of the 2nd international conference on learning analytics and knowledge, pages 252–254. ACM.
Urribarri, D. K., Castro, S. M., and Martig, S. R. (2006). Escalabilidad visual en coordenadas paralelas. In VIII Workshop de Investigadores en Ciencias de la Computación.
Webber, E. G. (2008). Análise da Relação entre as Notas das Disciplinas de Matemática e Física de Estudantes do Ensino Médio. Trabalho de conclusão de curso, Universidade Regional Integrada do Alto Uruguai e das Missões.
Publicado
11/11/2019
Como Citar
OLIVEIRA, Andressa Stéfany Silva de; ABREU, Rute Souza de; GUEDES, Luiz Affonso.
Análise Baseada em Dados de Relações do Desempenho entre Disciplinas: Um Estudo de Caso na UFRN. In: SIMPÓSIO BRASILEIRO DE INFORMÁTICA NA EDUCAÇÃO (SBIE), 30. , 2019, Brasília/DF.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2019
.
p. 1691-1700.
DOI: https://doi.org/10.5753/cbie.sbie.2019.1691.
