Registro fonte: Tratamento temporal em mineração de dados educacionais para fidelização de estudantes

Tratamento temporal em mineração de dados educacionais para fidelização de estudantes

The creation of temporal attributes has proved important in many data mining problems in that the database is formed by data collected historically [Romero e Ventura 2007]. An example of this situation occurs in educational institutions, where the historical data of students – such as school perform...

ver descrição completa

Autor principal:	Fazolin, Kleyton
Formato:	Dissertação
Idioma:	Português
Publicado em:	Universidade Tecnológica Federal do Paraná 2017
Assuntos:	Mineração de dados (Computação) Estudantes do ensino fundamental Evasão escolar Lealdade Armazenamento de dados Banco de dados Engenharia de sistemas Computação Data mining School children Dropouts Loyalty Data Warehousing Data bases Systems engineering Computer science CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO Ciência da Computação
Acesso em linha:	http://repositorio.utfpr.edu.br/jspui/handle/1/2883
Tags:	Adicionar Tag Sem tags, seja o primeiro a adicionar uma tag!

id	riut-1-2883
recordtype	dspace
spelling	riut-1-28832017-12-28T17:35:30Z Tratamento temporal em mineração de dados educacionais para fidelização de estudantes Tempory treatment in data mining educational for fidelization of students Fazolin, Kleyton Kaestner, Celso Antônio Alves http://lattes.cnpq.br/3979454625416654 Noronha, Robinson Vida http://lattes.cnpq.br/5337565921995591 Kaestner, Celso Antônio Alves Nievola, Julio Cesar Bastos, Laudelino Cordeiro Noronha, Robinson Vida Mineração de dados (Computação) Estudantes do ensino fundamental Evasão escolar Lealdade Armazenamento de dados Banco de dados Engenharia de sistemas Computação Data mining School children Dropouts Loyalty Data Warehousing Data bases Systems engineering Computer science CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO Ciência da Computação The creation of temporal attributes has proved important in many data mining problems in that the database is formed by data collected historically [Romero e Ventura 2007]. An example of this situation occurs in educational institutions, where the historical data of students – such as school performance and financial situation – has been gradually acquired over time [Romero e Ventura 2007]. This paper presents a proposal for the creation of temporal attributes with the purpose of helping to predict the avoidance of elementary school students in private schools, treated as a classification problem. The loyalty and retention of students in educational institutions has become one of the greatest challenges for the management area of these institutions [Lin 2012]. A promising solution to achieve this goal is the use of educational data mining to identify patterns that aid in decision making. For the experiments, the data of 15,753 students of the Adventist Educational Network – one of the largest educational networks in the world [“Educação Adventista” 2016]– were employed. After the application of the classification algorithms, it was verified that the instance-based KNN classifier obtained the best accuracy before the use of the time attributes created, but the best algorithm to predict the avoidance in the context of this research was the Decision Tree J4.8 algorithm, because it allows the interpretation of the factors that led to the final result. The results show that the approach is feasible, obtaining an accuracy of up to 97.87% in the experiments performed and a gain of up to 14.39% in the accuracy when using the KNN with temporal attributes. O tratamento temporal tem se revelado importante em muitos problemas de mineração de dados em que a base de dados é formada por dados coletados historicamente [Romero e Ventura 2007]. Um exemplo desta situação ocorre em instituições de ensino, onde os dados históricos dos alunos - tais como o desempenho escolar e a situação financeira - vem sendo adquiridos paulatinamente ao longo do tempo [Romero e Ventura 2007]. Este trabalho apresenta uma proposta de criação de atributos temporais com o objetivo de auxiliar a previsão da evasão de alunos de Ensino Fundamental em escolas particulares, tratada como um problema de classificação. A fidelização e retenção de alunos em instituições de ensino se tornou um dos maiores desafios para a área de gestão destas instituições [Lin 2012]. Uma solução promissora para alcançar esse objetivo é o uso da mineração de dados educacionais, para a identificação de padrões que auxiliem nas tomadas de decisões. Para a realização dos experimentos, os dados de 15.753 alunos da Rede Educacional Adventista – uma das maiores redes educacionais do mundo [“Educação Adventista” 2016] – foram extraídos e utilizados. Após a aplicação dos algoritmos de classificação, verificou-se que o classificador baseado em instâncias KNN conseguiu a melhor acurácia antes do uso dos novos atributos temporais criados, porém o melhor algoritmo para efetuar previsão da evasão no contexto desta pesquisa foi a Árvore de Decisão J4.8, pois permite a interpretação dos fatores que levaram ao resultado final. Os resultados mostram que a abordagem é viável, tendo-se obtido uma acurácia de até 96,57% utilizando o algoritmo J48 e um aumento de 14,39% na acurácia do classificador KNN com o uso dos atributos temporais. 2017-12-28T17:35:30Z 2017-12-28T17:35:30Z 2017-08-22 masterThesis FAZOLIN, Kleyton. Tratamento temporal em mineração de dados educacionais para fidelização de estudantes. 2017. 114 f. Dissertação (Mestrado em Computação Aplicada) - Universidade Tecnológica Federal do Paraná, Curitiba, 2017. http://repositorio.utfpr.edu.br/jspui/handle/1/2883 por openAccess application/pdf Universidade Tecnológica Federal do Paraná Curitiba Brasil Programa de Pós-Graduação em Computação Aplicada UTFPR
institution	Universidade Tecnológica Federal do Paraná
collection	RIUT
language	Português
topic	Mineração de dados (Computação) Estudantes do ensino fundamental Evasão escolar Lealdade Armazenamento de dados Banco de dados Engenharia de sistemas Computação Data mining School children Dropouts Loyalty Data Warehousing Data bases Systems engineering Computer science CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO Ciência da Computação
spellingShingle	Mineração de dados (Computação) Estudantes do ensino fundamental Evasão escolar Lealdade Armazenamento de dados Banco de dados Engenharia de sistemas Computação Data mining School children Dropouts Loyalty Data Warehousing Data bases Systems engineering Computer science CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO Ciência da Computação Fazolin, Kleyton Tratamento temporal em mineração de dados educacionais para fidelização de estudantes
description	The creation of temporal attributes has proved important in many data mining problems in that the database is formed by data collected historically [Romero e Ventura 2007]. An example of this situation occurs in educational institutions, where the historical data of students – such as school performance and financial situation – has been gradually acquired over time [Romero e Ventura 2007]. This paper presents a proposal for the creation of temporal attributes with the purpose of helping to predict the avoidance of elementary school students in private schools, treated as a classification problem. The loyalty and retention of students in educational institutions has become one of the greatest challenges for the management area of these institutions [Lin 2012]. A promising solution to achieve this goal is the use of educational data mining to identify patterns that aid in decision making. For the experiments, the data of 15,753 students of the Adventist Educational Network – one of the largest educational networks in the world [“Educação Adventista” 2016]– were employed. After the application of the classification algorithms, it was verified that the instance-based KNN classifier obtained the best accuracy before the use of the time attributes created, but the best algorithm to predict the avoidance in the context of this research was the Decision Tree J4.8 algorithm, because it allows the interpretation of the factors that led to the final result. The results show that the approach is feasible, obtaining an accuracy of up to 97.87% in the experiments performed and a gain of up to 14.39% in the accuracy when using the KNN with temporal attributes.
format	Dissertação
author	Fazolin, Kleyton
author_sort	Fazolin, Kleyton
title	Tratamento temporal em mineração de dados educacionais para fidelização de estudantes
title_short	Tratamento temporal em mineração de dados educacionais para fidelização de estudantes
title_full	Tratamento temporal em mineração de dados educacionais para fidelização de estudantes
title_fullStr	Tratamento temporal em mineração de dados educacionais para fidelização de estudantes
title_full_unstemmed	Tratamento temporal em mineração de dados educacionais para fidelização de estudantes
title_sort	tratamento temporal em mineração de dados educacionais para fidelização de estudantes
publisher	Universidade Tecnológica Federal do Paraná
publishDate	2017
citation	FAZOLIN, Kleyton. Tratamento temporal em mineração de dados educacionais para fidelização de estudantes. 2017. 114 f. Dissertação (Mestrado em Computação Aplicada) - Universidade Tecnológica Federal do Paraná, Curitiba, 2017.
url	http://repositorio.utfpr.edu.br/jspui/handle/1/2883
_version_	1703205982678548480
score	10,966579

Tratamento temporal em mineração de dados educacionais para fidelização de estudantes

Registros relacionados