Uma abordagem de ensemble regression para o disgnóstico de problemas educacionais

• Ano de defesa: 2019
• Autor(a) principal: SILVA, Paulo Mello da
• Orientador(a): SOUZA, Fernando da Fonseca de
• Tipo de documento: Tese
• Tipo de acesso: Acesso embargado
• Idioma: por
• Instituição de defesa: Universidade Federal de Pernambuco
• Programa de Pós-Graduação: Programa de Pos Graduacao em Ciencia da Computacao
• País: Brasil
• Palavras-chave em Português: Mineração de dados; Diagnóstico educacional
• Link de acesso: https://repositorio.ufpe.br/handle/123456789/36047

Atualmente, os dados mostram situações alarmantes em relação a problemas da educação, como: niveis baixos de aprendizagem, evasão, reprovação, baixo desempenho em leitura e escrita, entre outros. Nas instituições educacionais, esses problemas são um grande obstáculo na busca pela qualidade na educação. Nesse contexto, é essencial identificar, antecipadamente, quais fatores estão associados a esses problemas. Para isso, utiliza-se técnicas de Mineração de Dados Educacionais (EDM). Essas técnicas são capazes de obter informações e organizar tais informações em conhecimento útil. A EDM requer adaptações de métodos existentes e o desenvolvimento de novas tecnologias. Essa diversidade nos dados representa um potencial para implementação de recursos críticos para auxiliar na melhoria da educação. Partindo dessa necessidade, este trabalho utilizou as teorias do desempenho escolar proposta por Andrade e Soares (2008), e as teorias da evasão proposta por Spady (1970), Vincent Tinto (1975, 1987, 1993), para propor uma abordagem baseada em EDM. Assim, essa abordagem determina a relação dos fatores associados com os problemas educacionais, como também, utiliza-se modelos combinados de regressão (Ensemble Regression - ER) para predição da evasão e do desempenho escolar. Mesmo existindo evidências na literatura do uso de diversas técnicas aplicadas a EDM, esses modelos ER reduzem o erro de predição e/ou a variância dos modelos individuais, alcançando melhor acurácia. A metodologia CRISP-DM (Cross Industry Standard Process for Data Mining) foi utilizada e aplicada nesse contexto. Para avaliar a predição dos modelos propostos, um ambiente experimental utilizando bases de dados educacionais reais foi utilizado e o desempenho foi avaliado por meio do erro médio absoluto. Por fim, foi proposta uma abordagem utilizando o diagrama de causa e efeito educacional com base nas teorias: evasão, desempenho escolar e nos resultados dos modelos de predição propostos para o diagnóstico dos problemas educacionais. Assim, essa abordagem serve como uma ferramenta de conhecimento e suporte aos agentes educacionais para a tomada de decisão e o desenvolvimento de estratégias de intervenção educacionais mais eficientes.