| Campo Dublin Core | Valor | Língua |
|---|
| dc.contributor.advisor | Ramos, Guilherme Novaes | - |
| dc.contributor.author | Gramacho, Wladimir Ganzelevitch Mesquita | - |
| dc.identifier.citation | GRAMACHO, Wladimir Ganzelevitch Mesquita. Algoritmos de mineração de dados para análise de evasão na graduação da universidade de Brasília. 2019. 55 f. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação)—Universidade de Brasília, Brasília, 2019. | pt_BR |
| dc.description | Trabalho de Conclusão de Curso (graduação)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2019. | pt_BR |
| dc.description.abstract | A evasão de estudantes nas universidades tem sido motivo de muita discussão e análise. Nas universidades públicas, as perdas de estudantes que iniciam mas não terminam seus cursos são desperdícios de recursos públicos: sociais, acadêmicos e econômicos. Identificar estudantes em risco de evasão pode auxiliar na prevenção desse problema. Este trabalho tem o intuito de avaliar a aplicação de métodos de Mineração de Dados e Aprendizagem de Máquina para predição de risco de evasão na Universidade de Brasília. Seguindo a metodologia Knowledge Discovery Process, foram obtidos classificadores com sensibilidade de 82% e acurácia de 81%. Além disso, foram geradas regras de associação de alta confiança (chegando até 100% de confiança) que podem ser usadas para a tomada de decisão por gestores dos cursos de graduação. | pt_BR |
| dc.rights | Acesso Aberto | pt_BR |
| dc.subject.keyword | Mineração de dados | pt_BR |
| dc.subject.keyword | Aprendizado de máquina | pt_BR |
| dc.subject.keyword | Evasão universitária | pt_BR |
| dc.subject.keyword | Universidade de Brasília (UnB) | pt_BR |
| dc.title | Algoritmos de mineração de dados para análise de evasão na graduação da Universidade de Brasília | pt_BR |
| dc.type | Trabalho de Conclusão de Curso - Graduação - Bacharelado | pt_BR |
| dc.date.accessioned | 2020-07-22T15:15:04Z | - |
| dc.date.available | 2020-07-22T15:15:04Z | - |
| dc.date.submitted | 2019-12-04 | - |
| dc.identifier.uri | https://bdm.unb.br/handle/10483/24527 | - |
| dc.language.iso | Português | pt_BR |
| dc.rights.license | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta. | pt_BR |
| dc.description.abstract1 | Student dropout at universities has been the subject of much discussion and analysis. In public universities, the loss of students who start but do not finish their courses is a waste of public resources: social, academic and economic. Identifying students at risk of dropout can assist in preventing this problem. This work aims to evaluate the application of Data Mining and Machine Learning methods to predict dropout risk at the University of Brasília. Following the Knowledge Discovery Process methodology, classifiers with a sensitivity of 82% and an accuracy of 81% were obtained. In addition, high confidence association rules (up to 100% in confidence) were generated that can be used for decision making by undergraduate managers. | pt_BR |
| Aparece na Coleção: | Ciência da Computação
|
