Mining Retention Rules from Student Transcripts: A Case Study of the Information Systems programme at a Federal University
Resumo
Due to the increase in inflows, mainly because of REUNI procedures, and low completion rate also observed in several programmes on Brazilian universities, it is necessary to identify which factors may cause the students to remain in their programmes longer than expected or even leaving the university before their conclusion. In this work, we hypothesize that the combinations of classes that the students have to do in each semester is not appropriated and can cause student retention, leading to a huge loss to the university. Thus, we present a case study of analyzing retention rules in the Information Systems programme at the Federal University of Bahia. With the resulting rule set obtained from mined student transcripts, we discuss how changes can be made in a programme so as to decrease the student retention rates.
Palavras-chave:
Student Transcripts, Retention Rules, Information Systems Programme
Referências
Agrawal, R., Imieliński, T., and Swami, A. (1993). Mining association rules between sets of items in large databases. In ACM SIGMOD Record, volume 22, pages 207–216. ACM.
Agrawal, R., Srikant, R., et al. (1994). Fast algorithms for mining association rules. In Proc. 20th Int. Conf. Very Large Data Bases, VLDB, volume 1215, pages 487–499.
Barros, R. P. and Mendonça, R. (1998). Conseqüências da repetência sobre o desempenho educacional. Projeto de Educação Básica para o Nordeste, Série Estudos(7).
Brin, S., Motwani, R., Ullman, J. D., and Tsur, S. (1997). Dynamic itemset counting and implication rules for market basket data. In ACM SIGMOD Record, volume 26, pages 255–264. ACM.
Campello, A. d. V. C. and Lins, L. N. (2008). Metodologia de análise e tratamento da evasão e retenção em cursos de graduação de instituições federais de ensino superior. XXVIII Encontro Nacional de Engenharia De Produção, RJ, 13p.
Filho, N. d., Mesquita, F., Marinho, M., Lopes, A. A., Lins, E., and Ribeiro, N. e. a. (2010). Memorial da universidade nova. Technical report, Universidade Federal da Bahia.
Manhães, L. M. B., da Cruz, S. M. S., Macário Costa, R. J., Zavaleta, J., and Zimbrão, G. (2011). Previsão de estudantes com risco de evasão utilizando técnicas de mineração de dados. In Anais do Simpósio Brasileiro de Informática na Educação, volume 1.
Manhães, L. M., Cruz, S. M., Costa, R. J., Zavaleta, J., and Zimbrão, G. (2012). Identificação dos fatores que influenciam a evasão em cursos de graduação através de sistemas baseados em mineração de dados: Uma abordagem quantitativa. VIII Simpósio Brasileiro de Sistemas de Informação (SBSI 2012).
Nandeshwar, A., Menzies, T., and Nelson, A. (2011). Learning patterns of university student retention. Expert Systems with Applications, 38(12):14984–14996.
REUNI (2012). Reestruturaçao e expansão das universidades brasileiras.
Tan, P.-N., Steinbach, M., and Kumar, V. (2009). Introdução a Mineração de Dados. Ciência Moderna.
Webb, G. I. (2000). Efficient search for association rules. In Proceedings of the sixth ACM SIGKDD international conference on Knowledge discovery and data mining, pages 99–107. ACM.
Yu, C. H., DiGangi, S., Jannasch-Pennell, A., and Kaprolet, C. (2010). A data mining approach for identifying predictors of student retention from sophomore to junior year. Journal of Data Science, 8(2010):307–325.
Zhang, Y., Oussena, S., Clark, T., and Kim, H. (2010). Use data mining to improve student retention in higher education -a case study. In ICEIS (1), pages 190–197.
Agrawal, R., Srikant, R., et al. (1994). Fast algorithms for mining association rules. In Proc. 20th Int. Conf. Very Large Data Bases, VLDB, volume 1215, pages 487–499.
Barros, R. P. and Mendonça, R. (1998). Conseqüências da repetência sobre o desempenho educacional. Projeto de Educação Básica para o Nordeste, Série Estudos(7).
Brin, S., Motwani, R., Ullman, J. D., and Tsur, S. (1997). Dynamic itemset counting and implication rules for market basket data. In ACM SIGMOD Record, volume 26, pages 255–264. ACM.
Campello, A. d. V. C. and Lins, L. N. (2008). Metodologia de análise e tratamento da evasão e retenção em cursos de graduação de instituições federais de ensino superior. XXVIII Encontro Nacional de Engenharia De Produção, RJ, 13p.
Filho, N. d., Mesquita, F., Marinho, M., Lopes, A. A., Lins, E., and Ribeiro, N. e. a. (2010). Memorial da universidade nova. Technical report, Universidade Federal da Bahia.
Manhães, L. M. B., da Cruz, S. M. S., Macário Costa, R. J., Zavaleta, J., and Zimbrão, G. (2011). Previsão de estudantes com risco de evasão utilizando técnicas de mineração de dados. In Anais do Simpósio Brasileiro de Informática na Educação, volume 1.
Manhães, L. M., Cruz, S. M., Costa, R. J., Zavaleta, J., and Zimbrão, G. (2012). Identificação dos fatores que influenciam a evasão em cursos de graduação através de sistemas baseados em mineração de dados: Uma abordagem quantitativa. VIII Simpósio Brasileiro de Sistemas de Informação (SBSI 2012).
Nandeshwar, A., Menzies, T., and Nelson, A. (2011). Learning patterns of university student retention. Expert Systems with Applications, 38(12):14984–14996.
REUNI (2012). Reestruturaçao e expansão das universidades brasileiras.
Tan, P.-N., Steinbach, M., and Kumar, V. (2009). Introdução a Mineração de Dados. Ciência Moderna.
Webb, G. I. (2000). Efficient search for association rules. In Proceedings of the sixth ACM SIGKDD international conference on Knowledge discovery and data mining, pages 99–107. ACM.
Yu, C. H., DiGangi, S., Jannasch-Pennell, A., and Kaprolet, C. (2010). A data mining approach for identifying predictors of student retention from sophomore to junior year. Journal of Data Science, 8(2010):307–325.
Zhang, Y., Oussena, S., Clark, T., and Kim, H. (2010). Use data mining to improve student retention in higher education -a case study. In ICEIS (1), pages 190–197.
Publicado
25/11/2013
Como Citar
SILVA, Carlos V. A.; SANTOS, Marcelo S.; CLARO, Daniela B.; SILVA, Veronica M. C.; SILVA, Marcos; RIBEIRO, Silvana; TELLES, Ana R.; LOPES, Denivaldo.
Mining Retention Rules from Student Transcripts: A Case Study of the Information Systems programme at a Federal University. In: SIMPÓSIO BRASILEIRO DE INFORMÁTICA NA EDUCAÇÃO (SBIE), 24. , 2013, Campinas/SP.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2013
.
p. 577-586.
DOI: https://doi.org/10.5753/cbie.sbie.2013.577.
