Técnicas de mineração de dados: um estudo de caso da evasão no ensino superior do Instituto Federal do Maranhão

Autores

  • Tayná Costa Gonçalves
  • Josenildo Costa da Silva Instituto Federal do Maranhão
  • Omar Andres Carmona Cortes Instituto Federal do Maranhão

DOI:

https://doi.org/10.5335/rbca.v10i3.8427

Palavras-chave:

IFMA, J48, Mineração de Dados, Naive Bayes, SVM

Resumo

Este trabalho mostra que é possível extrair conhecimento útil de dados puros sobre os estudantes de graduação IFMA, de modo a tentar entender os problemas de evasão do referido instituto. Neste artigo, o conhecimento foi modelado como um classificador capaz de identificar quais alunos são os mais propensos a abandonar o curso. Foram usado três algoritmos: Naive Bayes, Support Vector Machine e J48. Assim, baseados no entendimento do problema é possível tomar medidas na tentativa de reduzir essa evasão, como por exemplo, tentar auxiliar o possível aluno evasor antes que isso aconteça, aumentando assim o número de estudantes que se formam.

Downloads

Não há dados estatísticos.

Downloads

Publicado

21-09-2018

Como Citar

[1]
Gonçalves, T.C., Silva, J.C. da e Cortes, O.A.C. 2018. Técnicas de mineração de dados: um estudo de caso da evasão no ensino superior do Instituto Federal do Maranhão. Revista Brasileira de Computação Aplicada. 10, 3 (set. 2018), 11-20. DOI:https://doi.org/10.5335/rbca.v10i3.8427.

Edição

v. 10 n. 3 (2018): Novembro/2018

Seção

Artigo Original

Licença

Licença Creative Commons
Todos os artigos estão licenciados com a licença Creative Commons Atribuição-NãoComercial-SemDerivações 4.0 Internacional. Autores que publicam nesta revista concordam com os seguintes termos:
a) Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
b) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
c) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).