Show simple item record

dc.contributor.authorOliveira, Hugo Leonardo de Lima
dc.date.accessioned2024-06-26T13:56:24Z
dc.date.available2024-06-26T13:56:24Z
dc.date.issued2018
dc.identifier.citationOLIVEIRA, Hugo Leonardo de Lima; OLIVEIRA FILHO, Isaac de Lima . Análise e mineração de dados relacionados aos resultados de enade do curso de ciência da computação do campus avançado de Natal. Natal: 2018. 137 p. Monografia (Bacharel) UERN, Faculdade de Ciência da Computaçãoen_US
dc.identifier.urihttps://repositorio.apps.uern.br/xmlui/handle/123456789/955
dc.description.abstractO Exame Nacional de Avaliação do Estudante (ENADE), é uma prova que serve para avaliar o desempenho do estudante de nível superior. Tendo em vista, explorar se fatores socioeconômicos determinam o desempenho na nota final da prova, este trabalho aplica o processo Knowledge Discovery in Databases (KDD), com o intuito de buscar padrões por meio de técnicas que utilizam aprendizado de máquina. Os tipos de aprendizagem empregados neste trabalho, são: a aprendizagem não supervisionada, mediante regras de associação, obtidas pelo algoritmo Apriori, e a aprendizagem supervisionada, por meio da classificação, pelos algoritmos, J48, Naive Bayes, IBk, Sequential Minimal Optimization (SMO), e Multilayer Perceptron (MPL). As bases de dados do ENADE foram coletadas do site do Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira (INEP), sendo selecionados os dados referentes aos estudantes de ciência da computação da Universidade do Estado do Rio Grande do Norte (UERN), do Campus Avançado de Natal, dos anos de 2008, 2011, e 2014. Este trabalho traça o perfil do estudante que fez a prova, obtém a correlação das variáveis selecionadas dos questionários citados, compara o desempenho dos estudantes de Natal com o cenário nacional, e identifica quais áreas do conhecimento do curso os estudantes têm um melhor rendimento. Duas ferramentas principais foram utilizadas para execução deste trabalho. Para a classificação, foi utilizada a Waikato Environment for Knowledge Analysis (WEKA), e a R Studio para a obtenção de regras de associação, cálculos estatísticos, e geração de gráficos. Após a finalização da mineração de dados, foi identificado que a situação de trabalho é um dos fatores que determinam a nota final. Estudantes que trabalhavam 40 horas semanais ou mais, tinham um rendimento inferior aos que apenas estudavam. Apesar disso o desempenho dos estudantes, está de acordo com a realidade do curso a nível nacional, com pequenas variaçõesen_US
dc.language.isoen_USen_US
dc.subjectMineração de Dadosen_US
dc.subjectENADE - UERNen_US
dc.subjectCiência da Computação - Campus Avançado de Natalen_US
dc.titleAnálise e mineração de dados relacionados aos resultados de ENADE do Curso de Ciência da Computação do Campus Avançado de Natal.en_US
dc.typeThesisen_US


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record