Definição de modelos de aprendizado de máquina para predição de evasão de alunos do curso técnico
DOI:
https://doi.org/10.26853/Refas_ISSN-2359-182X_v09n03_01Palavras-chave:
Evasão, Inteligência Artificial, Gestão EscolarResumo
A evasão no contexto escolar é um problema que afeta diretamente a qualidade da educação. Em cursos técnicos de nível médio as consequências são ainda mais graves. O uso de aprendizado de máquina permite realizar a previsão de comportamentos baseado em experiências anteriores. Através de dados socioeconômicos de alunos e do desempenho deles no processo seletivo, foi possível predizer com uma acurácia média de 75,1% se um aluno deixaria o curso. Ao ter acesso à essa informação, é possível realizar um trabalho preventivo de acompanhamento desses alunos com a finalidade de evitar que ele se evada do curso.
Downloads
Referências
BRITO, D. M. et al. Predição de desempenho de alunos do primeiro período baseado nas notas de ingresso utilizando métodos de aprendizagem de máquina. Simpósio Brasileiro de Informática na Educação, 2014. 882-890.
BUITINCK, L. et al. API design for machine learning software: experiences from the scikit-learn. ECML PKDD Workshop: Languages for Data Mining and Machine Learning, p. 108-122, 2013.
CPS. Mapeamento das Escolas Técnicas. São Paulo: Centro Paula Souza - Secretaria do Desenvolvimento Econômico do Estado de São Paulo, v. 44, 2019.
INEP. Sinopse Estatística da Educação Básica 2018. Brasília: INEP - Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira, 2019.
JORDAN, W. A.; LARA, J.; MCPARTLAND, J. M. Exploring the causes of early dropout among race-ethnic and gender groups. Youth and Society, p. 62-94, 1996.
JOVIC, A.; BRKIC, K.; BOGUNOVIC, N. An overview of free software tools for general data mining. 7th International Convention on Information and Communication Technology, Electronics and Microelectronics (MIPRO), p. 1112-1117, 2014.
PEDREGOSA, F. et al. Scikit-learn: Machine Learning in Python. Journal of Machine Learning Research, v. 12, p. 2825-2830, 2011.
RUSSELL, S.; NORVIG, P. Artificial Intelligence: A Modern Approach. [S.l.]: Prentice Hall, 2010.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2023 Refas - Revista Fatec Zona Sul
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
1 - As fontes dos dados, as autorizações pertinentes e os textos publicados na revista são de inteira responsabilidade de seus autores.
2 - É permitida a reprodução, desde que citada a fonte e o autor.
3 - Após o artigo aprovado, o autor principal deverá enviar declaração, conforme o modelo:
Refas - Revista Fatec Zona Sul
Autorização par publicação
(Nome do autor), (no caso de vários autores citar todos), autorizo (ou autorizam, no caso de diversos autores) a publicação do artigo (nome do artigo), com exclusividade para a primeira publicação pela Revista Fatec Zona Sul, em meio eletrônico.
A contribuição é original e inédita, e não está sendo avaliada para publicação por outra revista; caso contrário, deve-se justificar em "Comentários ao editor".
Dados de todos os autores:
Nome completo:
Instituição:
E-mail:
Telefone:
Obs.: Informar os códigos dos serviços DDD e DDI.
Assinatura do autor principal: ____________________________________
Aviso de Direito Autoral
Autores que publicam nesta revista concordam com os seguintes termos:
a) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
b) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado.
c)Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons CC Attribution-NonCommercial-NoDerivatives 4.0, acessável em Licença Creative Commons Attribution, que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.