Please use this identifier to cite or link to this item: http://www.repositorio.ufop.br/jspui/handle/123456789/17039
Title: Predição da evasão escolar nos cursos superiores do IFMG-Campus Bambuí com o apoio de técnicas de aprendizado de máquina.
Authors: Melo, Eduardo Cardoso
Souza, Fernanda Sumika Hojo de
Santos, Edimilson Batista dos
Keywords: Inteligência artificial
Issue Date: 2022
Citation: MELO, 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.
Abstract: A 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.
metadata.dc.description.abstracten: Dropping 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.
URI: http://www.repositorio.ufop.br/jspui/handle/123456789/17039
ISSN: 1677-3071
metadata.dc.rights.license: O 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.
Appears in Collections:DECOM - Artigos publicados em periódicos

Files in This Item:
File Description SizeFormat 
ARTIGO_PrediçãoEvasãoEscolar.pdf368,53 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.