Métodos de mineração de dados na identificação dos motivos da evasão na Universidade de Sorocaba, no período de 2012 a 2018
| dc.contributor.advisor | Bonventi Junior, Waldemar | |
| dc.contributor.author | Feitosa, Edson Martin | |
| dc.date.accessioned | 2023-05-09T20:58:22Z | |
| dc.date.available | 2023-05-09T20:58:22Z | |
| dc.date.issued | 2020 | |
| dc.description.abstract | A 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. | por |
| dc.description.abstract | Evasion is the student's early departure from the chosen course. For managers of higher education institutions (HEIs), a problem has been characterized due to the difficulty in predicting the generating facts. Therefore, this research seeks to present a study on dropout in courses at UNISO between 2012 and 2018, identifying patterns and rules found in the history of dropout students. To this end, he used techniques to measure evasion evolution with the aid of the Annual Evasion equation and the application of Business Intelligence (BI) methods, including decision trees and clustering analysis to identify hidden patterns in the large volume of data generated. 29,303 students were analyzed, who attended 31,799 courses, totaling 37,621 behavioral records analyzed, where the study shows the evolution of dropout in the context of the university, the large areas and specifically the courses, description of the student profile in the studied time range, patterns related to the trends to evade in the age group aspect, periods taken, average grades, number of absences, large area of courses, differences between those who dropped out for morning and evening courses, aspects related to how much of the curricular components of the course were completed course, among other variables, bringing as a result the profiles of dropout students, where one of the most relevant profiles is the male student between 21 and 25 years old, from the large area of Engineering that drop out in the 2nd or 5th semester, with a pattern of behaviors pointed out in variables related to cancellations, lockouts and average grades. | eng |
| dc.identifier.uri | https://repositorio.uniso.br/handle/uniso/955 | |
| dc.subject | Mineração de dados (Computação) | |
| dc.subject | Inteligência competitiva (Administração) | |
| dc.subject | Evasão universitária - Indicadores | |
| dc.subject | Ensino superior - Sorocaba (SP) | |
| dc.title | Métodos de mineração de dados na identificação dos motivos da evasão na Universidade de Sorocaba, no período de 2012 a 2018 | |
| dc.type | Dissertação | |
| dspace.entity.type | Publication | |
| local.rights | Open Access |
Arquivos
Pacote Original
1 - 1 de 1