???jsp.display-item.identifier??? https://repositorio.unipampa.edu.br/jspui/handle/riu/4633
???org.dspace.app.webui.jsptag.ItemTag.full???
???org.dspace.app.webui.jsptag.ItemTag.dcfield??????org.dspace.app.webui.jsptag.ItemTag.value??????org.dspace.app.webui.jsptag.ItemTag.lang???
dc.contributor.advisor1Camargo, Sandro da Silva-
dc.creatorLanot , Alisson Jamie Cruz-
dc.date.accessioned2019-11-12T14:24:41Z-
dc.date.available2019-10-25-
dc.date.available2019-11-12T14:24:41Z-
dc.date.issued2012-11-24-
dc.identifier.citationLANOT, 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.pt_BR
dc.identifier.urihttp://dspace.unipampa.edu.br:8080/jspui/handle/riu/4633-
dc.description.abstractDropout 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.pt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal do Pampapt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectPropensão à evasãopt_BR
dc.subjectMineração de dadospt_BR
dc.subjectClassificaçãopt_BR
dc.subjectRegras de associaçãopt_BR
dc.subjectClusterizaçãopt_BR
dc.subjectDrop-out propensitypt_BR
dc.subjectData miningpt_BR
dc.subjectClassificationpt_BR
dc.subjectAssociation rulespt_BR
dc.subjectClusteringpt_BR
dc.titleMineração de dados aplicada na identificação da propensão à evasão na universidadept_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dc.contributor.advisor-co1Cechinel, Cristian-
dc.contributor.referee1Camargo, Sandro da Silva-
dc.contributor.referee2Cechinel, Cristian-
dc.contributor.referee3Ferreira, Ana Paula Lüdtke-
dc.publisher.initialsUNIPAMPApt_BR
dc.publisher.countryBrasilpt_BR
dc.subject.cnpqCNPQ::ENGENHARIASpt_BR
dc.description.resumoA 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.pt_BR
dc.publisher.departmentCampus Bagépt_BR
???org.dspace.app.webui.jsptag.ItemTag.appears???Engenharia de Computação

???org.dspace.app.webui.jsptag.ItemTag.files???
???org.dspace.app.webui.jsptag.ItemTag.file??? ???org.dspace.app.webui.jsptag.ItemTag.description??? ???org.dspace.app.webui.jsptag.ItemTag.filesize??????org.dspace.app.webui.jsptag.ItemTag.fileformat??? 
TCC_2012_1_Alisson_Lanot.pdf1.12 MBAdobe PDF???org.dspace.app.webui.jsptag.ItemTag.view???


???jsp.display-item.copyright???