Use este identificador para citar ou linkar para este item: https://repositorio.unipampa.edu.br/jspui/handle/riu/4633
Tipo: Trabalho de Conclusão de Curso
Título: Mineração de dados aplicada na identificação da propensão à evasão na universidade
Autor(es): Lanot , Alisson Jamie Cruz
Primeiro Orientador: Camargo, Sandro da Silva
Coorientador: Cechinel, Cristian
1° Membro da banca: Camargo, Sandro da Silva
2° Membro da banca: Cechinel, Cristian
3° Membro da banca: Ferreira, Ana Paula Lüdtke
Resumo: A propensão à evasão na universidade é um problema de difícil identificação, visto que há diversos fatores que influenciam a sua ocorrência, e cada universidade pode ter motivos diferentes para a ocorrência de evasão. Identificar casos de evasão de forma manual é uma tarefa impraticável, visto que envolve a manipulação de grandes quantidades de dados. O objetivo deste trabalho é identificar dentre os dados disponíveis dos alunos, as características que contribuem para a evasão na Universidade Federal do Pampa, sendo que o estudo foi delimitado para o curso de Engenharia de Computação. Nesses conjuntos de dados são aplicados técnicas da Descoberta de Conhecimento em Banco de Dados, onde os dados serão tratados e posteriormente analisados. Esta atividade é realizada com o auxílio da ferramenta Weka, a fim de minerar os dados fornecidos pela própria Universidade. A partir da identificação dos fatores associados com a evasão, tem-se a intenção de permitir a identificação de uma situação em que o aluno tenha grandes riscos de abandonar os seus estudos, e com isto, permitir que sejam criados e otimizados os meios de prevenção da evasão na universidade. Através da aplicação de diferentes algoritmos de classificação e das técnicas de regras de associação e clusterização, foi possível verificar uma associação entre o fraco desempenho acadêmico com a evasão dos alunos.
Abstract: Dropout propensity is a problem difficult to identify in Universities, since there are several factors that may influence its occurrence, and students from different universities may have different reasons for dropping out. Identifying such cases one by one is an impractical task, since it requires dealing with large amounts of data. The main objective of this work is to identify features that may contribute students to drop out from the Federal University of Pampa (UNIPAMPA), using data collected from the university academic system. The present work was limited to the scope of students from the Computer Engineering undergraduate program of UNIPAMPA. The collected datasets were treated and analyzed in order to apply Knowledge Discovery in Databases (KDD) techniques. This task was done with the help of a tool called Weka, in which data from the university is mined. The intention here is to discover features associated with dropouts in order to identify situations of students in risk and then to find ways to create and optimize the prevention of these dropouts. Through the application of different classification algorithms, association rules and clustering techniques, it was possible to verify an association between the poor academic performance and the drop-outs.
Palavras-chave: Propensão à evasão
Mineração de dados
Classificação
Regras de associação
Clusterização
Drop-out propensity
Data mining
Classification
Association rules
Clustering
CNPq: CNPQ::ENGENHARIAS
Idioma: por
País: Brasil
Editor: Universidade Federal do Pampa
Sigla da Instituição: UNIPAMPA
Campus: Campus Bagé
Citação: LANOT, Alisson Jamie Cruz. Mineração de dados aplicada na identificação da propensão à evasão na universidade. 80 p. 2012. Trabalho de Conclusão de Curso (Graduação em Engenharia de Computação) – Universidade Federal do Pampa, Campus Bagé, Bagé, 2012.
Tipo de Acesso: Acesso Aberto
URI: http://dspace.unipampa.edu.br:8080/jspui/handle/riu/4633
Data do documento: 24-Nov-2012
Aparece nas coleções:Engenharia de Computação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
TCC_2012_1_Alisson_Lanot.pdf1.12 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.