Identificação dos fatores de melhorias no IDEB pelo uso de mineração de dados: Um estudo de caso em escolas municipais de MACEIÓ
Resumo
A Mineração de Dados Educacionais vem auxiliando educadores e gestores no apoio a tomada de decisões, permitindo extração de informações relevantes de bases de dados. Neste artigo explorou-se técnicas de seleção de atributos em mineração de dados, visando identificar quais fatores impactam no IDEB das escolas municipais de Maceió. Para tanto, utilizou-se dados do teste Saeb de 13 escolas municipais de Maceió, conduzindo um estudo experimental, produzindo relevantes resultados na tarefa de identificação de atributos relevantes para apoiar os gestores educacionais.
Palavras-chave:
Mineração de Dados Educacionais, IDEB, Escolas Municipais, Maceió, Saeb
Referências
BEZERRA, C.; SCHOLZ, R.; ADEODATO, P.; PONTES, T.; SILVA, I. (2016) Evasão Escolar: Aplicando Mineração de Dados para Identificar Variáveis Relevantes. V Congresso Brasileiro de Informática na Educação (CBIE 2016). Anais do XXVII Simpósio Brasileiro de Informática na Educação (SBIE 2016).
COELHO, V. C.; COSTA, J. P. C. L.; SOUSA, D. C. R.; CANEDO, E. D.; SILVA, D. G.; SOUSA JÙNIOR, R. T. (2015) Mineração de dados educacionais para identificação de barreiras na utilização da educação a distância. ENAP. Ministério do Planejamento, Orçamento e Gestão, Brasília – DF.
COELHO, V. C. G.; COSTA, J. P. C. L. da. (2016) Mineração de dados educacionais no ensino a distância governamental. In: Conferências Ibero-Americanas WWW/Internet e Computação Aplicada. Brasília, Brasil, p. 77–84.
INEP/MEC. (2007) Indicadores da Qualidade da Educação. São Paulo: ação educativa.
INEP. (2016) Prova Brasil. Sistema de Avaliação da Educação Básica (Saeb). Disponível em: [link]. Acessado em: 10 de setembro.
INEP. (2019) Ideb. Acesso em: 31 Janeiro 2019. Disponível em: [link].
LIMA, R. A. F. et al. (2016) Estratégias de seleção de atributos para detecção de anomalias em transações eletrônicas. Dissertação (Dissertação em Ciência da Computação), Universidade Federal de Minas Gerais, p. 25.
MANHÃES, L. M. B. (2015) Predição do desempenho acadêmico de graduandos utilizando mineração de dados educacionais. Tese (Doutorado em Engenharia de Sistemas e Computação), Universidade Federal do Rio de Janeiro, Rio de Janeiro.
MÁRQUEZ-VERA, C.; Morales, C. R.; Soto, S. V. (2013) Predicting School Failure and Dropout by Using Data Mining Techniques. IEEE Journal of Latin American Learning Technologies, Vol. 8, no. 1, February.
NASCIMENTO, R. L. S.; Cruz Junior, G. G; Fagundes, R. A. A. (2018) Mineração de Dados Educacionais: Um estudo sobre indicadores da educação em bases de dados do INEP. Novas Tecnologias na Educação, CINTED, UFRGS.
PAIVA, R.; BITTENCOURT, I. I.; PACHECO, H.; DA SILVA, A. P.; JACQUES, P.; ISOTANI, S. (2012) Mineração de dados e a gestão inteligente da aprendizagem: desafios e direcionamentos. Instituto de Computação – Universidade Federal de Alagoas (UFAL), Alagoas – AL.
PASTA, A. (2011) Aplicação da técnica de data mining na base de dados do ambiente de gestão educacional: um estudo de caso de uma instituição de ensino superior de Blumenau-sc. Dissertação (Mestrado em Computação Aplicada) Universidade do Vale do Itajaí, São José-SC.
PATRÍCIO, T. S.; MAGNONI, M. da G. M. (2018) Mineração de dados e big data na educação. In: Revista GEMInIS. São Carlos, Brasil: [s.n.], p. 57–75.
SARRA, A.; FONTANELLA, L.; ZIO, S. D. (2018) Identifying students at risk of academic failure within the educational data mining framework. Social Indicators Research, apr.
COELHO, V. C.; COSTA, J. P. C. L.; SOUSA, D. C. R.; CANEDO, E. D.; SILVA, D. G.; SOUSA JÙNIOR, R. T. (2015) Mineração de dados educacionais para identificação de barreiras na utilização da educação a distância. ENAP. Ministério do Planejamento, Orçamento e Gestão, Brasília – DF.
COELHO, V. C. G.; COSTA, J. P. C. L. da. (2016) Mineração de dados educacionais no ensino a distância governamental. In: Conferências Ibero-Americanas WWW/Internet e Computação Aplicada. Brasília, Brasil, p. 77–84.
INEP/MEC. (2007) Indicadores da Qualidade da Educação. São Paulo: ação educativa.
INEP. (2016) Prova Brasil. Sistema de Avaliação da Educação Básica (Saeb). Disponível em: [link]. Acessado em: 10 de setembro.
INEP. (2019) Ideb. Acesso em: 31 Janeiro 2019. Disponível em: [link].
LIMA, R. A. F. et al. (2016) Estratégias de seleção de atributos para detecção de anomalias em transações eletrônicas. Dissertação (Dissertação em Ciência da Computação), Universidade Federal de Minas Gerais, p. 25.
MANHÃES, L. M. B. (2015) Predição do desempenho acadêmico de graduandos utilizando mineração de dados educacionais. Tese (Doutorado em Engenharia de Sistemas e Computação), Universidade Federal do Rio de Janeiro, Rio de Janeiro.
MÁRQUEZ-VERA, C.; Morales, C. R.; Soto, S. V. (2013) Predicting School Failure and Dropout by Using Data Mining Techniques. IEEE Journal of Latin American Learning Technologies, Vol. 8, no. 1, February.
NASCIMENTO, R. L. S.; Cruz Junior, G. G; Fagundes, R. A. A. (2018) Mineração de Dados Educacionais: Um estudo sobre indicadores da educação em bases de dados do INEP. Novas Tecnologias na Educação, CINTED, UFRGS.
PAIVA, R.; BITTENCOURT, I. I.; PACHECO, H.; DA SILVA, A. P.; JACQUES, P.; ISOTANI, S. (2012) Mineração de dados e a gestão inteligente da aprendizagem: desafios e direcionamentos. Instituto de Computação – Universidade Federal de Alagoas (UFAL), Alagoas – AL.
PASTA, A. (2011) Aplicação da técnica de data mining na base de dados do ambiente de gestão educacional: um estudo de caso de uma instituição de ensino superior de Blumenau-sc. Dissertação (Mestrado em Computação Aplicada) Universidade do Vale do Itajaí, São José-SC.
PATRÍCIO, T. S.; MAGNONI, M. da G. M. (2018) Mineração de dados e big data na educação. In: Revista GEMInIS. São Carlos, Brasil: [s.n.], p. 57–75.
SARRA, A.; FONTANELLA, L.; ZIO, S. D. (2018) Identifying students at risk of academic failure within the educational data mining framework. Social Indicators Research, apr.
Publicado
11/11/2019
Como Citar
PINTO, Glevson da Silva; FREITAS JÚNIOR, Olival de Gusmão; COSTA, Evandro de Barros; BARBIRATO, João Carlos Cordeiro; RODRIGUES, Wanderson Rubian Martins.
Identificação dos fatores de melhorias no IDEB pelo uso de mineração de dados: Um estudo de caso em escolas municipais de MACEIÓ. In: SIMPÓSIO BRASILEIRO DE INFORMÁTICA NA EDUCAÇÃO (SBIE), 30. , 2019, Brasília/DF.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2019
.
p. 1828-1837.
DOI: https://doi.org/10.5753/cbie.sbie.2019.1828.
