Mineração de Dados para Predição de Evasão em Ambientes de Ensino a Distância

Coordenador: Ricardo Marcacini (CPTL) e Bruno Nogueira (FACOM/UFMS)

Recurso Financeiro: R$ 38 620,00

Fonte de Recurso: CAPES

Categoria: Pesquisa

Estratégias de combate à evasão no ensino superior têm recebido grande atenção nos últimos anos. As estratégias tradicionais são baseadas na revisão dos projetos pedagógicos dos cursos, além da implantação de políticas de assistência estudantil, como apoio financeiro e psicológico aos alunos. O uso destas estratégias tradicionais é mais desafiador quando o principal meio de interação com os alunos é pelo ambiente computacional EAD. No entanto, esses ambientes armazenam um rico conjunto de dados que refletem o comportamento dos alunos, desde o registro de acesso e tempo utilizado nos recursos didáticos, atividades de avaliação, até a interação do aluno em fóruns de discussão. Métodos para Mineração de Dados são promissores para extrair conhecimento útil desses dados e, assim, apoiar processos de tomada de decisão.

Assim, o objetivo deste projeto é desenvolver uma plataforma de Mineração de Dados com foco na predição de evasão para o sistema UAB. Na etapa de extração de conhecimento da plataforma, serão desenvolvidos algoritmos de aprendizado de modelos preditivos, ou seja, que identificam padrões nos dados históricos dos perfis de alunos desistentes; sendo capaz de predizer se um novo perfil entrou no grupo de risco da evasão. Como resultado, a plataforma será distribuída livremente, permitindo integrar com qualquer ambiente EAD.

  • canon
  • canon
  • canon
  • canon
  • canon
  • canon
  • canon
  • canon
  • canon

PESQUISA

Engenharia de Software e Inteligência Computacional
 

PÓS-GRADUAÇÃO

Mestrado acadêmico e profissional em Computação
 

67 3509 3813

FALE CONOSCO PARA MAIS INFORMAÇÕES