Tamanho da fonte:
USANDO A MINERAÇÃO DE DADOS EDUCACIONAIS PARA DIMINUIR O RISCO ACADÊMICO NO PRIMEIRO ANO DO ENSINO MÉDIO INTEGRADO
Última alteração: 2021-09-30
Resumo
https://youtu.be/6bRTUeAGZXw
O problema da evasão e da reprovação atinge todos os níveis de ensino sendo objeto de preocupação e investigação. Na formação básica o problema tem maior impacto na sociedade já que a LDB define a obrigatoriedade desse nível de ensino. Detectar o fracasso escolar de forma mais rápida e atuar com soluções efetivas é um objetivo importante da gestão escolar. O uso das técnicas de Mineração de Dados Escolares (MDE) tem mostrado bons resultados na prevenção de riscos acadêmicos e ajudado a elaborar outras ações para nortear as estratégias pedagógicas no ambiente escolar. Este projeto teve como objetivo usar as técnicas de MDE para criar um modelo de predição que permitisse antever o mais prematuramente possível a evasão ou a reprovação de estudantes do primeiro ano do Ensino Médio Integrado do CEFET MG Campus de Nepomuceno. Entre os diversos métodos usados na MDE foi escolhido o de classificação por ser mais adequado à predição de desempenho. Para analisar os dados foram escolhidos os seguintes algoritmos de classificação: J48, RandomForest, Naive Bayes e SMO. Com o objetivo de processar os dados utilizou-se a ferramenta open source Weka que implementa diversos algoritmos de mineração de dados. Durante o processamento foi usada a técnica de seleção de atributos Info Gain que determina quais são os mais relevantes para cada conjunto de dados. Utilizando a matriz de confusão foi possível comparar o desempenho dos algoritmos escolhidos usando as métricas de acurácia, precisão, sensibilidade, F1 score e área ROC. O algoritmo Random Forest apresentou o melhor desempenho geral quando foram considerados os dados dos três cursos técnicos no biênio 2018 e 2019. A visualização das árvores de decisão geradas pelo algoritmo J48 mostrando os atributos e a situação final dos alunos permitiu identificar alertas que ajudam na intervenção precoce dos casos de fracasso previstos.
O problema da evasão e da reprovação atinge todos os níveis de ensino sendo objeto de preocupação e investigação. Na formação básica o problema tem maior impacto na sociedade já que a LDB define a obrigatoriedade desse nível de ensino. Detectar o fracasso escolar de forma mais rápida e atuar com soluções efetivas é um objetivo importante da gestão escolar. O uso das técnicas de Mineração de Dados Escolares (MDE) tem mostrado bons resultados na prevenção de riscos acadêmicos e ajudado a elaborar outras ações para nortear as estratégias pedagógicas no ambiente escolar. Este projeto teve como objetivo usar as técnicas de MDE para criar um modelo de predição que permitisse antever o mais prematuramente possível a evasão ou a reprovação de estudantes do primeiro ano do Ensino Médio Integrado do CEFET MG Campus de Nepomuceno. Entre os diversos métodos usados na MDE foi escolhido o de classificação por ser mais adequado à predição de desempenho. Para analisar os dados foram escolhidos os seguintes algoritmos de classificação: J48, RandomForest, Naive Bayes e SMO. Com o objetivo de processar os dados utilizou-se a ferramenta open source Weka que implementa diversos algoritmos de mineração de dados. Durante o processamento foi usada a técnica de seleção de atributos Info Gain que determina quais são os mais relevantes para cada conjunto de dados. Utilizando a matriz de confusão foi possível comparar o desempenho dos algoritmos escolhidos usando as métricas de acurácia, precisão, sensibilidade, F1 score e área ROC. O algoritmo Random Forest apresentou o melhor desempenho geral quando foram considerados os dados dos três cursos técnicos no biênio 2018 e 2019. A visualização das árvores de decisão geradas pelo algoritmo J48 mostrando os atributos e a situação final dos alunos permitiu identificar alertas que ajudam na intervenção precoce dos casos de fracasso previstos.
Palavras-chave
Mineração de Dados Educacionais. WEKA. Evasão Escolar.