Aprendizado de máquina automático aplicado à predição da evasão no ensino superior
dc.contributor.advisor1 | Nascimento, Hugo Alexandre Dantas do Nascimento | |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/2920005922426876 | pt_BR |
dc.contributor.referee1 | Nascimento, Hugo Alexandre Dantas do | |
dc.contributor.referee2 | Ferreira, Deller James | |
dc.contributor.referee3 | Mello, Rafael Ferreira Leite de | |
dc.creator | Barros, Bruno de Mattos | |
dc.creator.Lattes | http://lattes.cnpq.br/8905238222960433 | pt_BR |
dc.date.accessioned | 2022-11-25T13:38:12Z | |
dc.date.available | 2022-11-25T13:38:12Z | |
dc.date.issued | 2022-10-20 | |
dc.description.abstract | Academic dropout is a problem that affects many public and private university students in Brazil and around the world. Machine learning techniques have been used to mitigate the problem, but still require a lot of manual adjustments. We present in this work, a proposal of an automatic machine learning framework to predict academic dropout, with the goal of obtaining good results without the need for human intervention. This data processing framework includes the following stages: pre-processing, feature vector creation, data splitting into testing and training sets, clustering of data from different degrees for training, model selection, model parameter tunning and explainability. Additionally, we formalize temporal data splitting approaches for train and test datasets, as this task is not adequately addressed in most of the previous works. | eng |
dc.description.provenance | Submitted by Marlene Santos (marlene.bc.ufg@gmail.com) on 2022-11-22T19:38:28Z No. of bitstreams: 2 Dissertação - Bruno de Mattos Barros - 2022.pdf: 1998675 bytes, checksum: 67d33627ba91437f2c61ad02a8443474 (MD5) license_rdf: 805 bytes, checksum: 4460e5956bc1d1639be9ae6146a50347 (MD5) | en |
dc.description.provenance | Approved for entry into archive by Cláudia Bueno (claudiamoura18@gmail.com) on 2022-11-25T13:38:12Z (GMT) No. of bitstreams: 2 Dissertação - Bruno de Mattos Barros - 2022.pdf: 1998675 bytes, checksum: 67d33627ba91437f2c61ad02a8443474 (MD5) license_rdf: 805 bytes, checksum: 4460e5956bc1d1639be9ae6146a50347 (MD5) | en |
dc.description.provenance | Made available in DSpace on 2022-11-25T13:38:12Z (GMT). No. of bitstreams: 2 Dissertação - Bruno de Mattos Barros - 2022.pdf: 1998675 bytes, checksum: 67d33627ba91437f2c61ad02a8443474 (MD5) license_rdf: 805 bytes, checksum: 4460e5956bc1d1639be9ae6146a50347 (MD5) Previous issue date: 2022-10-20 | en |
dc.description.resumo | A evasão acadêmica é um problema que atinge grande parte dos alunos de universidades públicas e privadas no Brasil e no mundo. Técnicas de aprendizado de máquina vem sendo utilizadas para mitigar o problema, mas ainda necessitam de muitos ajustes manuais. Apresentamos neste trabalho, uma proposta de aprendizado de máquina automático para prever a evasão acadêmica, obtendo bons resultados sem a necessidade de intervenção humana. O fluxo de processamento de dados desenvolvido contempla as seguintes etapas: pré-processamento, criação de vetor de características, divisão em teste e treinamento, agrupamento de dados de diferentes cursos para treino, seleção de modelos, parametrização de modelos e explicabilidade. Adicionalmente, formalizamos abordagens de segmentação temporal dos dados em treinamento e teste, já que esta questão não é tratada de forma adequada na maioria dos trabalhos anteriores. | pt_BR |
dc.description.sponsorship | Fundação de Apoio à Pesquisa | pt_BR |
dc.identifier.citation | BARROS, B. M. Aprendizado de máquina automático aplicado à predição da evasão no ensino superior. 2022. 100 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Goiás, Goiânia, 2022. | pt_BR |
dc.identifier.uri | http://repositorio.bc.ufg.br/tede/handle/tede/12454 | |
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 | Aprendizado de máquina automatizado | por |
dc.subject | Segmentação temporal de dados | por |
dc.subject | Predição da evasão acadêmica | por |
dc.subject | Mineração de dados educacionais | por |
dc.subject | Automated machine learning | eng |
dc.subject | Temporal data splitting | eng |
dc.subject | Academic dropout prediction | eng |
dc.subject | Educational data mining | eng |
dc.subject.cnpq | CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | pt_BR |
dc.title | Aprendizado de máquina automático aplicado à predição da evasão no ensino superior | pt_BR |
dc.title.alternative | Automatic machine learning applied to prediction of dropout in higher education | eng |
dc.type | Dissertação | pt_BR |
Arquivos
Pacote Original
1 - 1 de 1
Nenhuma Miniatura disponível
- Nome:
- Dissertação - Bruno de Mattos Barros - 2022.pdf
- Tamanho:
- 1.91 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: