Navegando por Assunto "Mineração de dados (Computação)"
Agora exibindo 1 - 3 de 3
Resultados por página
Opções de Ordenação
- DissertaçãoAnálise do perfil discente da Universidade de Sorocaba, mediante a técnica de mineração de dados(2014) Moreno, Rafael Fernando de MoraesNo cenário complexo que constitui a universidade nos dias atuais, impulsionada e pressionada pela lógica do mercado, cabe a perguntar: quem está frequentando a universidade? O objetivo desta pesquisa é realizar um estudo de caso na Universidade de Sorocaba identificando possíveis padrões e classificações no perfil dos discentes que expliquem a sua escolha por determinado curso. Para este feito será realizado uma análise empírica no banco de dados da Universidade fazendo uso de um software de mineração de dados e utilizando um processo denominado KDD (Knowledge Discovery in Databases), que tem a finalidade de descobrir conhecimento em grande volume de dados. Com esta técnica e ferramenta serão analisados os dados socioeconômicos e do questionário informativo dos estudantes ingressantes entre 2006 a 2011, buscando assim, extrair possíveis classificações que expliquem o perfil do estudante que busca determinado curso.
- TeseEducação superior e ENADE: mineração de dados como ferramenta para gestão(2019) Moreno, Rafael Fernando de MoraesEste trabalho tem como foco a Avaliação da Educação Superior, tendo o Exame Nacional de Desempenho de Estudantes (ENADE) como fonte de dados para análise do período de 2004 a 2014. Ano após ano, o ENADE foi se reconfigurando, dificultando a utilização de seus dados devido à falta de padronização. Assim, nesta pesquisa se colocam as seguintes indagações: a) quais as implicações destas mudanças quanto à geração de informações confiáveis para a gestão acadêmica? b) como fazer uso dos dados do ENADE para tomada de decisão e/ou auxílio na gestão das Instituições de Ensino Superior (IES)? Para tanto, este trabalho identificou e analisou as alterações existentes nos microdados do ENADE e as dificuldades que essas alterações apresentam quanto ao seu uso na gestão da Educação Superior. A mineração de dados foi utilizada como técnica para possibilitar a identificação de padrões e informações regulares, porém, ocultas no conjunto dos dados do ENADE. Como resultado, foram identificados padrões existentes nos microdados, destacando variáveis comuns em todos os anos de aplicação, demonstrando assim, que é possível utilizar o ENADE como fonte para a tomada de decisões no âmbito da Educação Superior e, principalmente, na melhoria do processo de aprendizagem dos estudantes.
- DissertaçãoMétodos de mineração de dados na identificação dos motivos da evasão na Universidade de Sorocaba, no período de 2012 a 2018(2020) Feitosa, Edson MartinA evasão é a saída precoce do discente do curso escolhido. Para os gestores das instituições de ensino superior (IES) tem-se caracterizado um problema devido à dificuldade na previsão dos fatos geradores. Logo, essa pesquisa procura apresentar um estudo sobre a evasão nos cursos na UNISO entre 2012 e 2018, identificando padrões e regras encontradas no histórico dos discentes evadidos. Para tal utilizou técnicas para medir a evolução da evasão com o auxílio da equação de Evasão Anual e aplicação de métodos de Business Intelligence (BI), dentre eles árvores de decisão e análise de agrupamentos (clustering) para identificar padrões ocultos no grande volume de dados gerados. Foi analisado 29.303 discentes, que cursaram 31.799 cursos, totalizando 37.621 registros comportamentais analisados, onde no estudo mostra-se a evolução da evasão no contexto da universidade, das grandes áreas e especificamente dos cursos, descrição do perfil do discente na faixa de tempo estudada, padrões relacionados as tendências a evadir no aspecto da faixa etária, períodos cursados, média de notas, quantidade de faltas, grande área dos cursos, diferenças dos evadidos para os cursos da manhã e da noite, aspectos relacionados a quanto foram concluído dos componentes curriculares do curso, dentre outras variáveis, trazendo como resultado os perfis dos discentes evadidos, onde um dos perfis de maior relevância é o discente do sexo masculino entre 21 e 25 anos, da grande área de Engenharias que evade no 2º ou 5º semestre, com padrão de comportamentos apontados nas variáveis relacionadas a cancelamentos, trancamentos e média de notas.