Browsing by Author "Lima, Jhonny de"
Now showing 1 - 3 of 3
Results Per Page
Sort Options
- Modelo para classificação do risco de abandono escolar em cursos de engenharia com base em métodos de academic analyticsPublication . Lima, Jhonny de; Alves, Paulo; Pereira, Maria João; Almeida, Simone deO enorme aumento na quantidade de dados educacionais gerados e armazenados possibilita obter informações de extrema importância sobre o processo de ensino e aprendizagem, nomeadamente informações dos estudantes que possam estar em risco de abandono ou que necessitam de atividades específicas para aumentar seu sucesso. Neste sentido, o presente estudo busca identificar o perfil dos estudantes de licenciatura em engenharia da Escola Superior de Tecnologia e Gestão do Instituto Politécnico de Bragança (IPB) que abandonaram seus cursos e, a partir disso, propor um modelo de classificação do risco de abandono escolar baseado na árvore de decisão C5.0. Para a execução deste estudo, foram utilizados dois conjuntos de dados obtidos a partir da base de dados Oracle do IPB, um conjunto para os estudantes diplomados e outro para os estudantes que abandonaram seus cursos (dropouts), ambos para o período de 2007 a 2015. Manipular e analisar grandes volumes de dados costuma ser um processo lento e complexo e, por esse motivo, foram adotados métodos e técnicas de Academic Analytics, em busca de compreender os dados utilizados neste estudo. Os principais resultados permitem concluir que a maior parte dos dropouts ocorre antes mesmo de os estudantes estarem registrados por um ano em seus cursos. Em muitos casos, os estudantes que abandonam possuem um rendimento semelhante ao dos diplomados, o que pode indicar a existência de fatores externos ao IPB que favorecem ao abandono. O número total de dropouts em cada curso é no mínimo 30% dentro do intervalo de 9 anos. 25% dos estudantes abandonaram seus cursos sem ter cursado ao menos uma disciplina. A criação do modelo baseado em árvore de decisão tem como principais objetivos a geração de instruções padronizadas, facilidade de interpretação e permitir a adição de vários cenários possíveis, contribuindo com diversas vantagens ao processo de tomada de decisão.
- Using academic analytics to predict dropout risk in engineering coursesPublication . Lima, Jhonny de; Alves, Paulo; Pereira, Maria João; Almeida, SimoneThe increase of data generated and stored in the educational databases makes it possible to obtain essential information about the teaching and learning process. School dropout and performance problems continue to represent issues which challenge teachers, researchers and higher education institutions to seek solutions. Through the use of academic analytics techniques for data analysis, a sample of 1,844 students between graduates and dropouts on the period between 2007 and 2015 were used as the basis. The methodology followed is essentially quantitative and it allowed to compare student profiles and degrees based on scores, number of attempts and other performance indicators. The data set was processed using Excel software for statistical analysis and R software for data mining using the k-Means and C5.0 algorithms. The propose of a model based on decision trees has as main objectives the generation of standardized instructions, easy interpretation and allow the addition of several possible outcomes, contributing to the decision-making process. The results of this study resulted in contributions which enable higher education institutions to identify students with performance problems and those at risk of dropout and, therefore, allow teachers and course directors to adopt better strategies to increase success and reduce dropout.
- Using academic analytics to predict dropout risk in engineering coursesPublication . Lima, Jhonny de; Alves, Paulo; Pereira, Maria João; Almeida, SimoneThe increase of data generated and stored in the educational databases makes it possible to obtain essential information about the teaching and learning process. School dropout and performance problems continue to represent issues which challenge teachers, researchers and higher education institutions to seek solutions. Through the use of academic analytics techniques for data analysis, a sample of 1,844 students between graduates and dropouts on the period between 2007 and 2015 were used as the basis. The methodology followed is essentially quantitative and it allowed to compare student profiles and degrees based on scores, number of attempts and other performance indicators. The data set was processed using Excel software for statistical analysis and R software for data mining using the k-Means and C5.0 algorithms. The propose of a model based on decision trees has as main objectives the generation of standardized instructions, easy interpretation and allow the addition of several possible outcomes, contributing to the decision-making process. The results of this study resulted in contributions which enable higher education institutions to identify students with performance problems and those at risk of dropout and, therefore, allow teachers and course directors to adopt better strategies to increase success and reduce dropout.