Mineração de dados educacionais para a classificação de perfis de evasão do ensino superior

Detalhes bibliográficos
Autor(a) principal: Rafael Gentil de Barros Santos
Data de Publicação: 2022
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Arandu - Repositório da Universidade Federal Rural de Pernambuco
dARK ID: ark:/57462/001300000m3vs
Texto Completo: https://arandu.ufrpe.br/handle/123456789/7354
Resumo: A evasão escolar é uma problemática que atinge diversas instituições e é considerada uma grande preocupação para empresários, diretores, pesquisadores, pais e alunos. As perdas ocasionadas pela evasão tanto no setor público como privado, causam ociosidade de professores, funcionários, equipamentos e espaço físico. Este trabalho tem como objetivo desenvolver de um comitê de classificador para realizar a predição dos discentes com possibilidade de evasão. O método CRISP-DM foi usado para entender, preparar e modelar os dados da solução. Para a preparação dos dados, foram utilizadas as ferramentas Pentaho e RapidMiner. A linguagem de programação Python foi utilizada para implementar o comitê de classificador. Como resultados, espera-se ajudar no entendimento do perfil dos discentes com a possibilidade de evasão e como esse fenômeno pode ser evitado pelos gestores das instituições.
id UFRPE_98c6a9ce0ad7d277a9dc59d7901c8ffc
oai_identifier_str oai:arandu.ufrpe.br:123456789/7354
network_acronym_str UFRPE
network_name_str Arandu - Repositório da Universidade Federal Rural de Pernambuco
repository_id_str https://v2.sherpa.ac.uk/id/repository/10612
spelling Mineração de dados educacionais para a classificação de perfis de evasão do ensino superiorMineração de dados (Computação)Dados conectadosEvasão escolar - Ensino superiorA evasão escolar é uma problemática que atinge diversas instituições e é considerada uma grande preocupação para empresários, diretores, pesquisadores, pais e alunos. As perdas ocasionadas pela evasão tanto no setor público como privado, causam ociosidade de professores, funcionários, equipamentos e espaço físico. Este trabalho tem como objetivo desenvolver de um comitê de classificador para realizar a predição dos discentes com possibilidade de evasão. O método CRISP-DM foi usado para entender, preparar e modelar os dados da solução. Para a preparação dos dados, foram utilizadas as ferramentas Pentaho e RapidMiner. A linguagem de programação Python foi utilizada para implementar o comitê de classificador. Como resultados, espera-se ajudar no entendimento do perfil dos discentes com a possibilidade de evasão e como esse fenômeno pode ser evitado pelos gestores das instituições.School dropout is a problem that affects several institutions and is considered a major concern for entrepreneurs, directors, researchers, parents and students. The losses caused by evasion in both public and private sectors are a source of idleness for teachers, employees, equipment and physical space. This work aims to develop a classifier committee to perform the prediction of students with the possibility of dropping out. The CRISP-DM method will was used to understand, prepare and model the solution. For data preparation, the Pentaho and RapidMiner tools were used. The Python programming language was used to implement the classifier committee. As a result, it is expected to help in understanding the profile of students with the possibility of dropout and how this phenomenon can be avoided by the managers of the institutions.BrazilUFRPEEllen Polliana Ramos Souzahttp://lattes.cnpq.br/3501823453025704http://lattes.cnpq.br/6593918610781356Rafael Gentil de Barros Santos2025-07-09T21:00:52Z2022-08-19info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesis27 f.application/pdfSANTOS, Rafael Gentil de Barros. Mineração de dados educacionais para a classificação de perfis de evasão do ensino superior. 2022. 27 f. Trabalho de Conclusão de Curso (Bacharelado em Sistemas de Informação) – Unidade Acadêmica de Serra Talhada, Universidade Federal Rural de Pernambuco, Serra Talhada, 2022.https://arandu.ufrpe.br/handle/123456789/7354ark:/57462/001300000m3vshttp://creativecommons.org/licenses/by-nc/4.0/Attribution-NonCommercial 4.0 Internationalinfo:eu-repo/semantics/openAccessporreponame:Arandu - Repositório da Universidade Federal Rural de Pernambucoinstname:Universidade Federal Rural de Pernambuco (UFRPE)instacron:UFRPE2025-07-09T21:45:19Zoai:arandu.ufrpe.br:123456789/7354Repositório InstitucionalPUBhttps://arandu.ufrpe.br/server/oai/requestrepositorio.sib@ufrpe.bropendoar:https://v2.sherpa.ac.uk/id/repository/106122025-07-09T21:45:19Arandu - Repositório da Universidade Federal Rural de Pernambuco - Universidade Federal Rural de Pernambuco (UFRPE)false
dc.title.none.fl_str_mv Mineração de dados educacionais para a classificação de perfis de evasão do ensino superior
title Mineração de dados educacionais para a classificação de perfis de evasão do ensino superior
spellingShingle Mineração de dados educacionais para a classificação de perfis de evasão do ensino superior
Rafael Gentil de Barros Santos
Mineração de dados (Computação)
Dados conectados
Evasão escolar - Ensino superior
title_short Mineração de dados educacionais para a classificação de perfis de evasão do ensino superior
title_full Mineração de dados educacionais para a classificação de perfis de evasão do ensino superior
title_fullStr Mineração de dados educacionais para a classificação de perfis de evasão do ensino superior
title_full_unstemmed Mineração de dados educacionais para a classificação de perfis de evasão do ensino superior
title_sort Mineração de dados educacionais para a classificação de perfis de evasão do ensino superior
author Rafael Gentil de Barros Santos
author_facet Rafael Gentil de Barros Santos
author_role author
dc.contributor.none.fl_str_mv Ellen Polliana Ramos Souza
http://lattes.cnpq.br/3501823453025704
http://lattes.cnpq.br/6593918610781356
dc.contributor.author.fl_str_mv Rafael Gentil de Barros Santos
dc.subject.por.fl_str_mv Mineração de dados (Computação)
Dados conectados
Evasão escolar - Ensino superior
topic Mineração de dados (Computação)
Dados conectados
Evasão escolar - Ensino superior
description A evasão escolar é uma problemática que atinge diversas instituições e é considerada uma grande preocupação para empresários, diretores, pesquisadores, pais e alunos. As perdas ocasionadas pela evasão tanto no setor público como privado, causam ociosidade de professores, funcionários, equipamentos e espaço físico. Este trabalho tem como objetivo desenvolver de um comitê de classificador para realizar a predição dos discentes com possibilidade de evasão. O método CRISP-DM foi usado para entender, preparar e modelar os dados da solução. Para a preparação dos dados, foram utilizadas as ferramentas Pentaho e RapidMiner. A linguagem de programação Python foi utilizada para implementar o comitê de classificador. Como resultados, espera-se ajudar no entendimento do perfil dos discentes com a possibilidade de evasão e como esse fenômeno pode ser evitado pelos gestores das instituições.
publishDate 2022
dc.date.none.fl_str_mv 2022-08-19
2025-07-09T21:00:52Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv SANTOS, Rafael Gentil de Barros. Mineração de dados educacionais para a classificação de perfis de evasão do ensino superior. 2022. 27 f. Trabalho de Conclusão de Curso (Bacharelado em Sistemas de Informação) – Unidade Acadêmica de Serra Talhada, Universidade Federal Rural de Pernambuco, Serra Talhada, 2022.
https://arandu.ufrpe.br/handle/123456789/7354
dc.identifier.dark.fl_str_mv ark:/57462/001300000m3vs
identifier_str_mv SANTOS, Rafael Gentil de Barros. Mineração de dados educacionais para a classificação de perfis de evasão do ensino superior. 2022. 27 f. Trabalho de Conclusão de Curso (Bacharelado em Sistemas de Informação) – Unidade Acadêmica de Serra Talhada, Universidade Federal Rural de Pernambuco, Serra Talhada, 2022.
ark:/57462/001300000m3vs
url https://arandu.ufrpe.br/handle/123456789/7354
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv http://creativecommons.org/licenses/by-nc/4.0/
Attribution-NonCommercial 4.0 International
info:eu-repo/semantics/openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc/4.0/
Attribution-NonCommercial 4.0 International
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 27 f.
application/pdf
dc.publisher.none.fl_str_mv Brazil
UFRPE
publisher.none.fl_str_mv Brazil
UFRPE
dc.source.none.fl_str_mv reponame:Arandu - Repositório da Universidade Federal Rural de Pernambuco
instname:Universidade Federal Rural de Pernambuco (UFRPE)
instacron:UFRPE
instname_str Universidade Federal Rural de Pernambuco (UFRPE)
instacron_str UFRPE
institution UFRPE
reponame_str Arandu - Repositório da Universidade Federal Rural de Pernambuco
collection Arandu - Repositório da Universidade Federal Rural de Pernambuco
repository.name.fl_str_mv Arandu - Repositório da Universidade Federal Rural de Pernambuco - Universidade Federal Rural de Pernambuco (UFRPE)
repository.mail.fl_str_mv repositorio.sib@ufrpe.br
_version_ 1848046137255133184

Registros relacionados