Votação encerrada às 23:59 do dia 04/04/2020. Confira os 10 projetos mais votados.
Votação popular

EXA230 - Previsão de estudantes com risco de evasão utilizando técnicas de inteligência artificial

Sub-categoria: Ciência da Computação

Votação encerrada às 23h59 do dia 4/4/2020.
Confira os 10 projetos mais votados!.

Autoria: Amanda Caetano Amorim

Orientação: Márcia Ferreira Cristaldo, Leandro de Jesus

Instituição: IFMS - Campus Aquidauana

Resumo

(Ver pôster)

O uso da mineração de dados para área de educação está sendo uma ferramenta crucial para previsão de evasão, pois um dos desafios das instituições é o sucesso nas políticas de permanência e êxito. A evasão do curso técnico é um fenômeno em crescimento e tornou-se foco de preocupação para gestores educacionais. Entretanto, as características da evasão têm carência de pesquisa e modelos de identificação de seus motivos. Esta pesquisa tem como abordagem aplicar técnicas computacionais para identificar padrões a serem utilizados na análise da evasão de estudantes no curso técnico de informática do Instituto Federal de Educação, Ciência e Tecnologia de Mato Grosso do Sul, campus Aquidauana, a fim de auxiliar os gestores educacionais em suas tomadas de decisões. Pretende-se utilizar um método para seleção dos melhores atributos para tarefa de classificação, que considera as classes “haverá evasão” e “não haverá evasão”, baseado na seleção e criação de atributos. O resultado apresentado nessa fase foi uma taxa de confiabilidade de 86% na previsão de evasão, e informações como a escolaridade da família e uso de internet se têm influência na evasão do estudante.

Palavras-chave: Mineração de Dados Educacionais, Evasão, Inteligência Artificial