Mineração de dados educacionais baseada em grafos: uma análise em cursos de computação com alto índice de retenção
dc.contributor.advisor1 | Brancher, Jacques Duílio | |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/7909976127880843 | pt_BR |
dc.contributor.referee1 | Brancher, Jacques Duílio | |
dc.contributor.referee2 | Silv, Nádia Félix Felipe da | |
dc.contributor.referee3 | Barros, Rodolfo Miranda de | |
dc.creator | Oliveira, João Lucas dos Santos | |
dc.creator.Lattes | http://lattes.cnpq.br/0279952494738625 | pt_BR |
dc.date.accessioned | 2021-06-25T14:41:30Z | |
dc.date.available | 2021-06-25T14:41:30Z | |
dc.date.issued | 2021-04-19 | |
dc.description.abstract | Student evasion and retention is a recurring problem in all areas of education. In Area ssuch as Educational Data Mining (MDE) have been used to mitigate such problems. In particular, the area of Graph-based Educational Data Mining (G-EDM) uses unconventional data mining techniques to represent student behavior. This analysis of students can be done both in physical and virtual environments, through complex networks and graphs. The students’ behavior shown by the graphs can express dimensional patterns that would not be expressed by tabular and statistical analyzes. The present work investigated three different techniques of representing student history to investigate the possible causes of retention and dropout in computer courses. The results show that it is possible to identify retention problems in curriculum and that the modeling of the curriculum in the form of agraph can show patterns that would not be possible to describe in tabular representation. | eng |
dc.description.provenance | Submitted by Luciana Ferreira (lucgeral@gmail.com) on 2021-06-23T12:29:45Z No. of bitstreams: 2 Dissertação - João Lucas dos Santos Oliveira - 2021.pdf: 10029963 bytes, checksum: ae0e6feb6d1621c16a2fb781f8b04d32 (MD5) license_rdf: 805 bytes, checksum: 4460e5956bc1d1639be9ae6146a50347 (MD5) | en |
dc.description.provenance | Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2021-06-25T14:41:30Z (GMT) No. of bitstreams: 2 Dissertação - João Lucas dos Santos Oliveira - 2021.pdf: 10029963 bytes, checksum: ae0e6feb6d1621c16a2fb781f8b04d32 (MD5) license_rdf: 805 bytes, checksum: 4460e5956bc1d1639be9ae6146a50347 (MD5) | en |
dc.description.provenance | Made available in DSpace on 2021-06-25T14:41:30Z (GMT). No. of bitstreams: 2 Dissertação - João Lucas dos Santos Oliveira - 2021.pdf: 10029963 bytes, checksum: ae0e6feb6d1621c16a2fb781f8b04d32 (MD5) license_rdf: 805 bytes, checksum: 4460e5956bc1d1639be9ae6146a50347 (MD5) Previous issue date: 2021-04-19 | en |
dc.description.resumo | A evasão e retenção de estudantes configura um problema recorrente em todas as áreas da educação. Áreas como Mineração de dados Educacionais (MDE) tem sido utilizada para mitigar tais problemas. Em especial, a área de Mineração de dados educacionais baseadas em grafos (MDEG) utilizam técnicas não convencionais de mineração de dados para representar o comportamento de estudantes. Esta análise de estudantes pode ser feita tanto em ambientes físicos como virtuais, através de redes complexas e grafos. O comportamento dos estudantes evidenciado pelos grafos pode expressar padrões dimensionais que dificilmente seriam expressos pelas análises tabulares e estatísticas. O presente trabalho investigou três diferentes técnicas de representação do histórico estudantil para investigar as possíveis causas de retenção e evasão em cursos de computação. Os resultados mostram que é possível identificar problemas de retenção em grades curriculares e que a modelagem da grade curricular em forma de grafo pode evidenciar padrões que possam ajudar no melhor entendimento das causas de retenção e evasão em cursos de graduação. | pt_BR |
dc.description.sponsorship | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES | pt_BR |
dc.identifier.citation | OLIVEIRA, J. L. S. Mineração de dados educacionais baseada em grafos: uma análise em cursos de computação com alto índice de retenção. 2021. 98 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Goiás, Goiânia, 2021. | pt_BR |
dc.identifier.uri | http://repositorio.bc.ufg.br/tede/handle/tede/11453 | |
dc.language | por | pt_BR |
dc.publisher | Universidade Federal de Goiás | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.publisher.department | Instituto de Informática - INF (RG) | pt_BR |
dc.publisher.initials | UFG | pt_BR |
dc.publisher.program | Programa de Pós-graduação em Ciência da Computação (INF) | pt_BR |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 International | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | MDEG | por |
dc.subject | Mineração em grafos | por |
dc.subject | Educacionais | por |
dc.subject | G-EDM | eng |
dc.subject | Graph mining | eng |
dc.subject | Education | eng |
dc.subject.cnpq | CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | pt_BR |
dc.title | Mineração de dados educacionais baseada em grafos: uma análise em cursos de computação com alto índice de retenção | pt_BR |
dc.title.alternative | Graph-based educational data mining: an analysis of high-retention computing courses | eng |
dc.type | Dissertação | pt_BR |
Arquivos
Pacote Original
1 - 1 de 1
Nenhuma Miniatura disponível
- Nome:
- Dissertação - João Lucas dos Santos Oliveira - 2021.pdf
- Tamanho:
- 9.57 MB
- Formato:
- Adobe Portable Document Format
- Descrição:
Licença do Pacote
1 - 1 de 1
Nenhuma Miniatura disponível
- Nome:
- license.txt
- Tamanho:
- 1.71 KB
- Formato:
- Item-specific license agreed upon to submission
- Descrição: