Banca de QUALIFICAÇÃO: EDUARDO CARDOSO MELO

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE : EDUARDO CARDOSO MELO
DATA : 26/10/2021
HORA: 14:00
LOCAL: https://meet.google.com/gfj-pjdm-kpd
TÍTULO:

Predição da evasão escolar no Instituto Federal de Minas Gerais com apoio de técnicas de Aprendizado de Máquina


PALAVRAS-CHAVES:

Evasão escolar, Aprendizado de Máquina, Mineração de Dados, IFMG


PÁGINAS: 85
RESUMO:

A evasão escolar é um fenômeno caracterizado por sofrer influências de diversas variáveis, o que torna complexo o estudo para identificação de quais fatores contribuem para o desligamento de um estudante da sua instituição acadêmica. Na última década houve uma considerável ampliação da oferta de cursos superiores em Instituições Federais de Ensino, especialmente em função de políticas públicas que fomentaram melhorias na infraestrutura física e de pessoal das unidades educacionais, permitindo que indivíduos com os mais variados perfis iniciassem seus estudos e fazendo com que a tarefa de compreender a evasão escolar seja mais complexa para os gestores. Paralelamente a este cenário, a área de Aprendizado de Máquina também expandiu suas possibilidades de aplicação na última década para as mais diversas áreas, dentre elas a educação, oportunizando diferentes maneiras de analisar e compreender os dados que são gerados no ambiente de cada instituição/organização. Neste contexto, este Projeto de Dissertação visa utilizar técnicas de Aprendizado de Máquina para prever o risco de evasão escolar nos cursos de graduação presencial do Instituto Federal de Ciência, Educação e Tecnologia de Minas Gerais (IFMG), bem como identificar quais são os atributos mais associados com este fenômeno na instituição. A estruturação e organização das atividades previstas neste trabalho terá como suporte a metodologia CRISP-DM. Utilizando os dados de todos os campi do IFMG serão construídos, testados e avaliados três modelos com enfoques diferentes. O modelo com melhor desempenho será, então, utilizado na predição da evasão dos alunos atualmente matriculados com uma análise feita sob variadas perspectivas, tais como por campus, área de conhecimento e modalidade dos cursos (Bacharelado, Licenciatura ou Tecnólogo). Foi realizado um estudo de caso com os dados do IFMG - Campus Bambuí para analisar a viabilidade do estudo proposto, o qual mostrou que a análise da evasão conduzida por gestores desta instituição pode se beneficiar das contribuições proporcionadas pela aplicação de técnicas de Aprendizado de Máquina.


MEMBROS DA BANCA:
Presidente - 1857559 - FERNANDA SUMIKA HOJO DE SOUZA
Interno - 1985872 - EDIMILSON BATISTA DOS SANTOS
Externo à Instituição - LUIZ HENRIQUE DE CAMPOS MERSCHMANN - UFLA
Notícia cadastrada em: 08/10/2021 08:47
SIGAA | NTInf - Núcleo de Tecnologia da Informação - +55(32)3379-5824 | Copyright © 2006-2021 - UFSJ - sigaa01.ufsj.edu.br.sigaa01