MINERAÇÃO DE DADOS PARA DETECTAR EVASÃO ESCOLAR UTILIZANDO ALGORITMOS DE CLASSIFICAÇÃO: UM ESTUDO DE CASO
A tecnologia da informação está
transformando o mundo de forma muito veloz
com a inserção da internet, smartphones,
tablets e diversos dispositivos conectados,
gerando e armazenando diversos tipos de
dados. Na área educacional, há uma infinidade
de dados (púbicos ou privados) que podem ser
explorados para ajudar em processos de tomada
de decisão, tais como: notas nas disciplinas,
frequência, e disciplinas cursadas, trancadas,
reprovadas e evadidas. Diante deste contexto,
este trabalho apresenta os resultados obtidos
da mineração de dados de uma pesquisa
de campo com alunos de uma escola X da
rede pública do estado da Paraíba, utilizando
algoritmos de classificação da ferramenta Weka
com o objetivo de detectar perfis de alunos
evadidos para suporte a campanhas e políticas
de evasão escolar. Diversos fatores foram
identificados para evasão escolar observando
diferentes faixas etárias, tais como: trabalho (de
16 a 20 anos) e gravidez (de 21 a 25 anos), por
exemplo.
MINERAÇÃO DE DADOS PARA DETECTAR EVASÃO ESCOLAR UTILIZANDO ALGORITMOS DE CLASSIFICAÇÃO: UM ESTUDO DE CASO
-
DOI: 10.22533/at.ed.75319180421
-
Palavras-chave: mineração de dados educacionais, evasão escolar, escola pública.
-
Keywords: educational data mining, school dropout, public school.
-
Abstract:
Information technology is
changing the world very fast with the insertion of
the internet, smartphones, tablets and several
connected devices, generating and storing
various data types. In the educational area, there
areseveral data (public or private) that can be
explored to assist in decision-making processes,
grades obtained in the classes, attendance, and
locked, disapproved, and dropout classes. In this
context, this paper presents the results from a
data mining with students of the public school of
the State X using classification algorithms, from
Weka tool, with the goalto detect student profiles
for support campaigns and school dropout
ratespolicies. Some factors were identified for
school dropout for different age groups, such as
work (from 16 to 20 years) and pregnancy (from
21 to 25 years), for example.
-
Número de páginas: 15
- Luciano Bruno Gomes de Medeiros
- Thereza Patrícia Pereira Padilha
