Banca de DEFESA: EDUARDO CARDOSO MELO

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : EDUARDO CARDOSO MELO
DATA : 26/04/2022
HORA: 14:00
LOCAL: Plataforma Virtual
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: 129
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 polı́ticas públicas que fomentaram melhorias na infraestrutura fı́sica e de pessoal das unidades educacionais, permitindo que indivı́duos 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 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. Esta Dissertação objetivou 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 teve como suporte a metodologia CRISP-DM (Cross-Industry Standard Process for Data Mining). Foram conduzidas três fases de experimentos, a primeira tratando sobre o balanceamento do conjunto de dados, a segunda com a utilização de técnicas de Seleção de Atributos e a terceira aplicando uma estratégia de aprendizado semi-supervisionado para melhorar as métricas de desempenho coletadas. Como principal resultado, obteve-se um modelo capaz de classificar a evasão com 90% de acurácia e 86% de F1, indicando uma considerável possibilidade de complementar a atuação institucional no que tange a ações que visam controlar os nı́veis de evasão no IFMG.

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