Predição de sucesso de estudantes cotistas utilizando algoritmos de classificação
Resumo
Nos últimos anos, diversas instituições de ensino têm adotado a política de cotas para ingresso. Um problema é a diferença de desempenho entre os cotistas e não cotistas. Este trabalho tem o intuito de fornecer um método para a identificação de estudantes cotistas com possibilidade de ter menor rendimento acadêmico durante o curso, de forma que medidas sejam tomadas para que as diferenças surgidas entre os dois grupos sejam reduzidas. A partir de testes com classificadores na ferramenta Weka, com taxas de acerto de até 88%, constatou-se que o método pode ser uma abordagem viável na identificação destes grupos de estudantes.
Palavras-chave:
estudantes cotistas, predição, algoritmos de classificação, rendimento acadêmico
Referências
Baker, R. S. J., Isotani, S. e Carvalho, A. M. J. B. (2011). Mineração de dados educacionais: Oportunidades para o Brasil. Revista Brasileira de Informática na Educação, v.19, n.2, p. 3-13.
Brito, D. M., de Almeida Júnior, I. A., Queiroga, E. V. e do Rêgo, T. G. (2014). Predição de desempenho de alunos do primeiro período baseado nas notas de ingresso utilizando métodos de aprendizagem de máquina. In Anais do Simpósio Brasileiro de Informática na Educação, v. 25, n.1, p. 882 – 890.
Cardoso, C. B. (2008). Efeitos da política de cotas na Universidade de Brasília: uma análise do rendimento e da evasão. Dissertação de Mestrado.
Dallabona, C. A. e Schiefler Filho, M. F. D. O (2011). Desempenho Acadêmico de estudantes oriundos de escolas públicas: cursos de graduação do campus Curitiba da UTFPR. In: XXXIX Congresso Brasileiro de Educação em Engenharia, p. 20402051.
Gottardo, E., Kaestner, C. e Noronha, R. V. (2012). Previsão de Desempenho de Estudantes em Cursos EAD Utilizando Mineração de Dados: uma Estratégia Baseada em Séries Temporais. In Anais do Simpósio Brasileiro de Informática na Educação, v. 23, n.1.
Manhães, L. M. B., Cruz, S. D., Costa, R. J. M., Zavaleta, J., e Zimbrão, G. (2011). Previsão de Estudantes com Risco de Evasão Utilizando Técnicas de Mineração de Dados. In: Anais do XXII SBIE-XVII WIE, Aracaju, v. 22, n. 1, p. 150-159.
Mendes Junior, A. A. F. (2013). Uma análise da progressão dos alunos cotistas sob a primeira ação afirmativa brasileira no ensino superior: o caso da Universidade do Estado do Rio de Janeiro (UERJ). Texto Para Discussão, n. 71, p. 1-23.
Peixoto, A. D. L. A., Ribeiro, E. M. B. D. A., Bastos, A. V. B. e Ramalho, M. C. K. (2013). Cotas e desempenho acadêmico na UFBA: Um estudo a partir dos coeficientes de rendimento. In: XIII Coloquio de Gestión Universitaria en Américas.
Pinheiro, J. S. S. P. (2014). Desempenho acadêmico e sistema de cotas: um estudo sobre o rendimento dos alunos cotistas e não cotistas da Universidade Federal do Espirito Santo. Dissertação de Mestrado
Santos, H., Camargo, F. e Camargo, S. (2012). Minerando Dados de Ambientes Virtuais de Aprendizagem para Predição de Desempenho de Estudantes. Conferencias LACLO, v. 3, n. 1.
Witten, I. H. e Frank, E. (2011). Data Mining: Practical machine learning tools and techniques. Morgan Kaufmann, 3ª edição.
Brito, D. M., de Almeida Júnior, I. A., Queiroga, E. V. e do Rêgo, T. G. (2014). Predição de desempenho de alunos do primeiro período baseado nas notas de ingresso utilizando métodos de aprendizagem de máquina. In Anais do Simpósio Brasileiro de Informática na Educação, v. 25, n.1, p. 882 – 890.
Cardoso, C. B. (2008). Efeitos da política de cotas na Universidade de Brasília: uma análise do rendimento e da evasão. Dissertação de Mestrado.
Dallabona, C. A. e Schiefler Filho, M. F. D. O (2011). Desempenho Acadêmico de estudantes oriundos de escolas públicas: cursos de graduação do campus Curitiba da UTFPR. In: XXXIX Congresso Brasileiro de Educação em Engenharia, p. 20402051.
Gottardo, E., Kaestner, C. e Noronha, R. V. (2012). Previsão de Desempenho de Estudantes em Cursos EAD Utilizando Mineração de Dados: uma Estratégia Baseada em Séries Temporais. In Anais do Simpósio Brasileiro de Informática na Educação, v. 23, n.1.
Manhães, L. M. B., Cruz, S. D., Costa, R. J. M., Zavaleta, J., e Zimbrão, G. (2011). Previsão de Estudantes com Risco de Evasão Utilizando Técnicas de Mineração de Dados. In: Anais do XXII SBIE-XVII WIE, Aracaju, v. 22, n. 1, p. 150-159.
Mendes Junior, A. A. F. (2013). Uma análise da progressão dos alunos cotistas sob a primeira ação afirmativa brasileira no ensino superior: o caso da Universidade do Estado do Rio de Janeiro (UERJ). Texto Para Discussão, n. 71, p. 1-23.
Peixoto, A. D. L. A., Ribeiro, E. M. B. D. A., Bastos, A. V. B. e Ramalho, M. C. K. (2013). Cotas e desempenho acadêmico na UFBA: Um estudo a partir dos coeficientes de rendimento. In: XIII Coloquio de Gestión Universitaria en Américas.
Pinheiro, J. S. S. P. (2014). Desempenho acadêmico e sistema de cotas: um estudo sobre o rendimento dos alunos cotistas e não cotistas da Universidade Federal do Espirito Santo. Dissertação de Mestrado
Santos, H., Camargo, F. e Camargo, S. (2012). Minerando Dados de Ambientes Virtuais de Aprendizagem para Predição de Desempenho de Estudantes. Conferencias LACLO, v. 3, n. 1.
Witten, I. H. e Frank, E. (2011). Data Mining: Practical machine learning tools and techniques. Morgan Kaufmann, 3ª edição.
Publicado
26/10/2015
Como Citar
MAHON, Fellipe Henrique; SILVA, Anderson Rufino dos Santos; BRITO, Daniel Miranda de; RÊGO, Thaís Gaudencio do.
Predição de sucesso de estudantes cotistas utilizando algoritmos de classificação. In: SIMPÓSIO BRASILEIRO DE INFORMÁTICA NA EDUCAÇÃO (SBIE), 26. , 2015, Maceió/AL.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2015
.
p. 997-1001.
DOI: https://doi.org/10.5753/cbie.sbie.2015.997.
