Análise dos microdados do Enade: proposta de uma ferramenta de exploração utilizando mineração de dados

Página do item simplificado
dc.contributor.advisor1Brancher, Jacques Duílio
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/7909976127880843eng
dc.contributor.referee1Brancher, Jacques Duílio
dc.contributor.referee2Sanches, Danilo Sipoli
dc.contributor.referee3Camos, Vitor Valério Souza
dc.creatorAraújo, Rodrigo Alexandrino
dc.creator.Latteshttp://lattes.cnpq.br/2086054925465622eng
dc.date.accessioned2020-01-22T13:16:54Z
dc.date.issued2019-12-20
dc.description.abstractOne way to analyze higher education institutions and student performance is through the National Student Performance Examination (ENADE). From its results it is possible to make intelligent decisions for the improved teaching-learning process. However, in the analysis reports provided by Anísio Teixeira National Institute for Educational Studies and Research (INEP) only descriptive analyzes are available. Although the Institute provides ENADE’s evidence-related micro-data, advanced knowledge in data analysis and statistics is required to obtain more in-depth information about candidates. That said, this paper aims to use KDD techniques to develop an exploratory analysis tool for Enade microdata, together with a classification model capable of predicting student performance. For the elaboration of rules, several decision tree classification algorithms were used, in which CART stood out. The end result was a data analysis tool, which allows comparing higher education courses and institutions, and providing the best view of this information for the purpose of assisting decision making. Finally, an online questionnaire was distributed so that teachers, students and coordinators could evaluate and validate the developed system. After this study, the tool proved to be satisfactory and fulfills what is promised, and serves as a motivation to improve the work developed.eng
dc.description.provenanceSubmitted by Franciele Moreira (francielemoreyra@gmail.com) on 2020-01-22T12:36:27Z No. of bitstreams: 2 Dissertação - Rodrigo Alexandrino Araújo - 2019.pdf: 3842207 bytes, checksum: 2a9e6b8a37a9ae5bb2e47435093f4531 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)eng
dc.description.provenanceApproved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2020-01-22T13:16:54Z (GMT) No. of bitstreams: 2 Dissertação - Rodrigo Alexandrino Araújo - 2019.pdf: 3842207 bytes, checksum: 2a9e6b8a37a9ae5bb2e47435093f4531 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)eng
dc.description.provenanceMade available in DSpace on 2020-01-22T13:16:54Z (GMT). No. of bitstreams: 2 Dissertação - Rodrigo Alexandrino Araújo - 2019.pdf: 3842207 bytes, checksum: 2a9e6b8a37a9ae5bb2e47435093f4531 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2019-12-20eng
dc.description.resumoUma das formas de analisar as instituições de ensino superior e o desempenho dos estudantes é através do Exame Nacional de Desempenho dos Estudantes (ENADE). A partir dos seus resultados é possível tomar decisões inteligentes para a melhoria do processo de ensino-aprendizagem. Entretanto nos relatórios de análise fornecidos pelo Instituto Nacional de Estudos e Pesquisa Educacionais Anísio Teixeira (INEP) estão disponíveis apenas análises descritivas. Apesar de o Instituto disponibilizar os microdados relacionados as provas do ENADE, é necessário um conhecimento avançado em análise de dados e estatística para a obtenção de informações mais aprofundadas sobre os candidatos. Posto isto, este trabalho tem por objetivo utilizar técnicas KDD para desenvolver uma ferramenta de análise exploratória dos microdados do Enade, juntamente com um modelo classificatório capaz de predizer desempenho do estudante. Para a elaboração de regras foram utilizados diversos algoritmos de classificação de árvore de decisão, no qual se destacou o CART. O resultado final foi uma ferramenta de análise de dados, que permite comparar cursos e instituições de ensino superior, e proporcionar a melhor visualização dessas informações com a finalidade de auxiliar na tomada de decisões . Por fim, foi distribuído um questionário online para que professores, alunos e coordenadores pudessem avaliar e validar o sistema desenvolvido. Após esse estudo, a ferramenta provou-se satisfatória e cumpre o que se promete, e serve como motivação para melhorar o trabalho desenvolvido.eng
dc.formatapplication/pdf*
dc.identifier.citationARAÚJO, Rodrigo. Análise dos microdados do Enade: proposta de uma ferramenta de exploração utilizando mineração de dados. 2019. 69 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Goiás, Goiânia, 2019.eng
dc.identifier.urihttp://repositorio.bc.ufg.br/tede/handle/tede/10319
dc.languageporeng
dc.publisherUniversidade Federal de Goiáseng
dc.publisher.countryBrasileng
dc.publisher.departmentInstituto de Informática - INF (RG)eng
dc.publisher.initialsUFGeng
dc.publisher.programPrograma de Pós-graduação em Ciência da Computação (INF)eng
dc.rightsAcesso Aberto
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectMineração de dadoseng
dc.subjectEnadepor
dc.subjectEstatísticapor
dc.subjectFerramenta webpor
dc.subjectData miningpor
dc.subjectAnalysiseng
dc.subjectStatisticeng
dc.subjectOnline tooleng
dc.subject.cnpqCIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOeng
dc.titleAnálise dos microdados do Enade: proposta de uma ferramenta de exploração utilizando mineração de dadoseng
dc.title.alternativeEnade microdata analysis: proposed explora- tion tool using data miningeng
dc.typeDissertaçãoeng

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
Dissertação - Rodrigo Alexandrino Araújo - 2019.pdf
Tamanho:
3.66 MB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
2.11 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar

Coleções

Mestrado em Ciência da Computação (INF)