Predição da evasão escolar nos cursos superiores do IFMG-Campus Bambuí com o apoio de técnicas de aprendizado de máquina.

Página do item simplificado
dc.contributor.authorMelo, Eduardo Cardoso
dc.contributor.authorSouza, Fernanda Sumika Hojo de
dc.contributor.authorSantos, Edimilson Batista dos
dc.date.accessioned2023-07-24T19:32:43Z
dc.date.available2023-07-24T19:32:43Z
dc.date.issued2022pt_BR
dc.description.abstractA evasão escolar é um fenômeno complexo e caracterizado por sofrer influência de diversas variáveis. Os efeitos da evasão são muito danosos aos envolvidos: instituições de ensino perdem ou deixam de receber recursos financeiros, estudantes geram dívidas difíceis de serem quitadas, o mercado de trabalho continua com dificuldades para receber profissionais com maior qualificação e a sociedade perde a oportunidade de desenvolver mais amplamente seus indivíduos. Este artigo buscou aplicar técnicas de Aprendizado de Máquina utilizando dados de estudantes de cursos superiores do IFMG – Campus Bambuí com o intuito de compreender melhor as características da evasão nesta instituição e tentar predizer a probabilidade de os atuais matriculados evadirem ou conseguirem concluir o curso. Tendo as atividades baseadas na metodologia CRISP-DM, foi possível construir um modelo de classificação com cerca de 86% de acurácia para predizer o status final de cada estudante.pt_BR
dc.description.abstractenDropping out of school is a complex phenomenon characterized by being influenced by several variables. The effects of school dropout are very harmful to those involved: educational institutions lose or stop receiving financial resources, students generate debts that are difficult to pay off, the labor market continues to struggle to receive professionals with higher qualifications and society loses the opportunity to develop more widely its individuals. This article aimed to apply Machine Learning techniques using data of students from higher education courses at IFMG – Campus Bambuí in order to better understand the characteristics of dropout in this institution and try to predict the probability of current enrolled dropping out or being able to complete the course. With activities based on the CRISP-DM methodology, it was possible to build a classification model with about 86% accuracy to predict the final status of each student.pt_BR
dc.identifier.citationMELO, E. C.; SOUZA, F. S. H. de; SANTOS, E. B. dos. Predição da evasão escolar nos cursos superiores do IFMG-Campus Bambuí com o apoio de técnicas de aprendizado de máquina. Revista Eletrônica de Sistemas de Informação e Gestão Tecnológica, v. 12, n. 1, 2022. Disponível em: <https://periodicos.unifacef.com.br/index.php/resiget/article/view/2342/1719>. Acesso em: 06 jul. 2023.pt_BR
dc.identifier.issn1677-3071
dc.identifier.urihttp://www.repositorio.ufop.br/jspui/handle/123456789/17039
dc.language.isopt_BRpt_BR
dc.rightsabertopt_BR
dc.rights.licenseO periódico Revista Eletrônica de Sistemas de Informação permite o depósito das versões pré-print e pós-print de um artigo. Permite remixagem, adaptação e nova criação a partir da obra para fins não comerciais, desde que seja atribuído o crédito ao autor (CC BY-NC). Fonte: Diadorim <https://diadorim.ibict.br/handle/1/149>. Acesso em: 06 maio 2022.pt_BR
dc.subjectInteligência artificialpt_BR
dc.titlePredição da evasão escolar nos cursos superiores do IFMG-Campus Bambuí com o apoio de técnicas de aprendizado de máquina.pt_BR
dc.typeArtigo publicado em periodicopt_BR
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
ARTIGO_PrediçãoEvasãoEscolar.pdf
Tamanho:
368.53 KB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar
Coleções
DECOM - Artigos publicados em periódicos