Made available in DSpace on 2015-04-14T13:56:24Z (GMT). No. of bitstreams: 1 388093.pdf: 2571421 bytes, checksum: 24dba4cbf5ab13c6a005e3d642b95d63 (MD5) Previous issue date: 2006-10-30 / O objetivo desta disserta??o ? desenvolver um modelo completo de minera??o de dados no ambiente de uma opera??o de telecomunica??es, com foco na reten??o de clientes usu?rios do STFC ( Servi?o Telef?nico Fixo Comutado). Atualmente, a manuten??o da base de clientes ? ponto crucial para a atua??o das operadoras de telecomunica??es no pa?s. Com o surgimento de novas tecnologias de comunica??o e com a populariza??o de acessos de banda larga e do SMP (Servi?o M?vel Pessoal), as taxas de cancelamentos dos acessos de STFC exigem das operadoras que oferecem o servi?o um processo consistente visando ? reten??o de sua planta f?sica instalada e da receita gerada. Atrav?s da constru??o de um modelo de minera??o de dados, formou-se um sistema visando ? predi??o de eventos e a classifica??o de clientes. O evento a ser previsto ? o churn (cancelamento do servi?o), com base na utiliza??o de algoritmos classificadores aplicados sobre uma base de dados real, contendo informa??es cadastrais, de relacionamento com o fornecedor, de consumo e faturamento. A forma??o do modelo de minera??o de dados envolveu as etapas de an?lise do problema (churn), avalia??o e entendimento dos dados, pr?-processamento e classifica??o. Como algoritmos classificadores (utilizados na predi??o), foram estudados e utilizados tr?s m?todos: redes Neurais RBF ( Radial Basis Function), ?rvores de Decis?o e Classificadores Bayesianos. Os resultados obtidos validam o modelo desenvolvido, permitindo a sua utiliza??o e aperfei?oamento no ambiente de uma operadora de telecomunica??es ou ainda como um modelo gen?rico de minera??o de dados, pass?vel de aplica??o em diferentes segmentos envolvendo o problema da reten??o e fideliza??o de clientes

Submitted by PPG Ci?ncia da Computa??o (ppgcc@pucrs.br) on 2018-02-16T13:18:07Z No. of bitstreams: 1 Ant?nio_do_Nascimento_Le?es_ Neto_Dis.pdf: 1049012 bytes, checksum: 293046d3be865048cd37706b38494e1a (MD5) / Approved for entry into archive by Caroline Xavier (caroline.xavier@pucrs.br) on 2018-02-22T16:34:51Z (GMT) No. of bitstreams: 1 Ant?nio_do_Nascimento_Le?es_ Neto_Dis.pdf: 1049012 bytes, checksum: 293046d3be865048cd37706b38494e1a (MD5) / Made available in DSpace on 2018-02-22T16:40:19Z (GMT). No. of bitstreams: 1 Ant?nio_do_Nascimento_Le?es_ Neto_Dis.pdf: 1049012 bytes, checksum: 293046d3be865048cd37706b38494e1a (MD5) Previous issue date: 2017-11-20 / The accelerated growth of data repositories, in the different areas of activity, opens space for research in the area of data mining, in particular, with the methods of classification and combination of classifiers. The Boosting method is one of them, which combines the results of several classifiers in order to obtain better results. The main purpose of this dissertation is the experimentation of alternatives to increase the effectiveness and performance of the algorithm AdaBoost.M1, which is the implementation often employed by the Boosting method. An empirical study was perfered taking into account stochastic aspects trying to shed some light on an obscure internal parameter, in which algorithm creators and other researchers assumed that the training error threshold should be correlated with the number of classes in the target data set and logically, most data sets should use a value of 0.5. In this paper, we present an empirical evidence that this is not a fact, but probably a myth originated by the mistaken application of the theoretical assumption of the joint effect. To achieve this goal, adaptations were proposed for the algorithm, focusing on finding a better suggestion to define this threshold in a general case. / O crescimento acelerado dos reposit?rios de dados, nas diversas ?reas de atua??o, abre espa?o para pesquisas na ?rea da minera??o de dados, em espec?fico, com os m?todos de classifica??o e de combina??o de classificadores. O Boosting ? um desses m?todos, e combina os resultados de diversos classificadores com intuito de obter melhores resultados. O prop?sito central desta disserta??o ? responder a quest?o de pesquisa com a experimenta??o de alternativas para aumentar a efic?cia e o desempenho do algoritmo AdaBoost.M1 que ? a implementa??o frequentemente empregada pelo Boosting. Foi feito um estudo emp?rico levando em considera??o aspectos estoc?sticos tentando lan?ar alguma luz sobre um par?metro interno obscuro em que criadores do algoritmo e outros pesquisadores assumiram que o limiar de erro de treinamento deve ser correlacionado com o n?mero de classes no conjunto de dados de destino e, logicamente, a maioria dos conjuntos de dados deve usar um valor de 0.5. Neste trabalho, apresentamos evid?ncias emp?ricas de que isso n?o ? um fato, mas provavelmente um mito originado pela aplica??o da primeira defini??o do algoritmo. Para alcan?ar esse objetivo, foram propostas adapta??es para o algoritmo, focando em encontrar uma sugest?o melhor para definir esse limiar em um caso geral.

Made available in DSpace on 2015-04-14T14:48:57Z (GMT). No. of bitstreams: 1 399894.pdf: 2578031 bytes, checksum: 13c49dacd5dde6e8b24f2ef51ae6b87a (MD5) Previous issue date: 2007-01-11 / Um processo de neg?cio define um conjunto de atividades junto com os seus poss?veis fluxos de execu??o e recursos necess?rios. Trabalhos da ?rea de Business Intelligence (BI) t?m destacado o papel da minera??o de dados como instrumento facilitador da an?lise, previs?o e otimiza??o de processos de neg?cio. Uma das tarefas mais utilizadas da minera??o de dados ? a classifica??o, cujo objetivo ?, dado um conjunto de dados ou inst?ncias de treino, induzir um modelo preditivo capaz de associar a cada inst?ncia sua classe ou categoria. Espera-se que este modelo seja bem sucedido na classifica??o de novas inst?ncias. No contexto de processos de neg?cio, o uso da classifica??o tem como objetivo entender as causas de determinados comportamentos e gerar modelos de predi??o do comportamento e do desempenho dos processos. Problemas pr?ticos de classifica??o de padr?es e descoberta de conhecimento requerem a sele??o de subconjuntos de atributos preditivos para representar os padr?es a serem classificados, pois a presen?a de atributos preditivos irrelevantes, redundantes ou em grande quantidade pode prejudicar a qualidade do modelo de classifica??o. Em classifica??o de processos de neg?cio, ? bastante interessante a utiliza??o de sele??o de atributos, visto que a quantidade de atributos que caracterizam um processo pode ser enorme. Al?m dos atributos diretamente relacionados a uma inst?ncia de processo, tamb?m devem ser considerados os atributos pertencentes ?s atividades contidas neste processo. Assim, este trabalho prop?e a utiliza??o de algoritmos gen?ticos multiobjetivos para sele??o de atributos em problemas de classifica??o de processos de neg?cio. Os resultados obtidos foram considerados satisfat?rios, visto que os crit?rios utilizados na fun??o de fitness, ou seja, os crit?rios a serem otimizados, foram melhorados. Problemas espec?ficos do dom?nio de processos de neg?cio foram detectados. Esses problemas surgem em virtude da presen?a de caminhos alternativos e ordem de execu??o das atividades nos fluxos de processos. Embora tais problemas n?o sejam tratados no presente trabalho, s?o apresentadas poss?veis solu??es a serem abordadas em trabalhos futuros.

Made available in DSpace on 2015-04-14T14:49:21Z (GMT). No. of bitstreams: 1 423037.pdf: 1478944 bytes, checksum: d2974fba2b6145147b3c83b7003075fb (MD5) Previous issue date: 2010-03-16 / Embora o ?ltimo levantamento epidemiol?gico (BRASIL, 2006) revele uma sens?vel melhora na condi??o bucal da popula??o brasileira nas ?ltimas duas d?cadas, patologias bucais ainda demandam grandes investimentos financeiros por parte do governo federal. Este trabalho tem como objetivo desenvolver e documentar uma abordagem computacional (Knowledge Discovery in Database) capaz de gerenciar grandes volumes de dados e produzir modelos mais compreens?veis para o suporte ? tomada de decis?o, formula??o de melhores pol?ticas de sa?de bucal, bem como a viabiliza??o de novas atividades de ensino e pesquisa na ?rea. Para tanto, analisamos uma amostra de dados referente ?s fichas odontol?gicas de 598 pacientes de baixa renda, atendidos junto a uma unidade da PUCRS vinculada ao SUS (Sistema ?nico de Sa?de). Como principal resultado deste trabalho, identificamos oportunidades de data mining pela extra??o de modelos preditivos aplicados ? an?lise de patologias periodontais, m?-oclus?o e indicadores de c?rie dent?ria.

Made available in DSpace on 2015-04-14T14:49:32Z (GMT). No. of bitstreams: 1 431852.pdf: 1120851 bytes, checksum: 164e0d72a540ab33502e807a748407b1 (MD5) Previous issue date: 2010-03-10 / Este trabalho apresenta uma arquitetura para suporte ? execu??o de tarefas de minera??o de dados em ambientes de computa??o de alto desempenho, tais como: clusters, m?quinas SMP e grades. Esta arquitetura automatiza o processo de dimensionamento da aplica??o paralela, criando ferramentas para a constru??o autom?tica de tarefas, mapeamento, ger?ncia e execu??o dessas aplica??es nos recursos computacionais dispon?veis. Os mecanismos criados para a execu??o de aplica??es de minera??o possibilitam a combina??o do paralelismo do fluxo de dados e de instru??es. Como contribui??o do trabalho, destaca-se a organiza??o da arquitetura proposta e a cria??o de um algoritmo para mapeamento de aplica??es de minera??o paralelas em ambientes computacionais heterog?neos. Enfatiza-se o suporte ao aproveitamento de recursos com m?ltiplos n?cleos de processamento (multi-cores). Al?m disso, apresenta-se a paraleliza??o de um algoritmo de minera??o de dados para regress?o

Made available in DSpace on 2015-04-14T14:49:32Z (GMT). No. of bitstreams: 1 432221.pdf: 7126072 bytes, checksum: 4f9458bc22424532f20fd0c85208b5c7 (MD5) Previous issue date: 2011-03-31 / O desenvolvimento de f?rmacos ? um dos grandes desafios da ci?ncia atual por se tratar de um processo onde os custos e o tempo envolvido s?o elevados. Um dos problemas mais interessantes nessa ?rea ? a predi??o da conforma??o e da energia envolvida na intera??o entre ligantes e suas prote?nas-alvo ou receptores. ? nos experimentos de docagem molecular que essa intera??o ? avaliada. ? muito comum que durante a docagem molecular se fa?am simplifica??es onde o receptor ? tratado como r?gido. Por?m, prote?nas s?o inerentemente sistemas flex?veis e essa flexibilidade ? essencial para a sua fun??o. A inclus?o da flexibilidade do receptor em experimentos de docagem molecular n?o ? uma tarefa trivial, pois, para permitir mobilidade a certos ?tomos do receptor, h? um aumento exponencial do n?mero de graus de liberdade a serem considerados. H? atualmente diversas alternativas para contornar esse problema, entre elas, a que se optou neste trabalho: considerar a flexibilidade expl?cita do receptor por meio da execu??o de uma s?rie de simula??es de docagem molecular, utilizando em cada um deles uma conforma??o diferente da trajet?ria din?mica do receptor, gerada por uma simula??o por din?mica molecular (DM). Um dos maiores problemas desse m?todo ? o tempo necess?rio para execut?-lo. Sendo assim, o objetivo desse trabalho ? contribuir para a sele??o de conforma??es do receptor de forma a acelerar a execu??o de experimentos de docagem molecular com o receptor completamente flex?vel. Al?m do mais, o trabalho apresenta novas metodologias para a an?lise da intera??o receptor-ligante em simula??es de docagem deste tipo. Para alcan?ar esses objetivos, ? aplicado um processo de descoberta de conhecimento. A primeira etapa consistiu no desenvolvimento de um banco de dados para armazenar informa??es detalhadas sobre o receptor e suas conforma??es, ligantes e experimentos de docagem molecular, chamado FReDD. Com os dados organizados no FReDD, foi poss?vel a aplica??o de diferentes t?cnicas de minera??o de dados. O primeiro conjunto de experimentos foi realizado utilizando o algoritmo de classifica??o J48. O segundo conjunto de experimentos foi executado com o algoritmo de regress?o M5P, onde apesar de resultados interessantes, a utiliza??o direta para sele??o de conforma??es em futuros experimentos de docagem molecular n?o se mostrou promissora. Finalmente, foram executados os experimentos de agrupamento com 10 diferentes algoritmos, com entradas variadas. Para os algoritmos de agrupamento foram desenvolvidas diferentes fun??es de similaridade onde os resultados finais utilizados em conjunto com o padr?o de dados P-MIA permitiu a redu??o efetiva da quantidade de experimentos de docagem

Made available in DSpace on 2015-04-14T14:49:41Z (GMT). No. of bitstreams: 1 436381.pdf: 5238803 bytes, checksum: ca22d61f2fb4075e277ed531aee231ce (MD5) Previous issue date: 2012-01-17 / With the growth of biological experiments, solving and analyzing the massive amount of data being generated has been one of the challenges in bioinformatics, where one important research area is the rational drug design (RDD). The interaction between biological macromolecules called receptors, and small molecules called ligands, is the fundamental principle of RDD. In in-silico molecular docking experiments it is investigated the best bind and conformation of a ligand into a receptor. A docking result can be discriminated by a continue value called Free Energy of Binding (FEB). We are attempting on mining data from molecular docking results, aiming at selecting promising receptor conformations to the next docking experiments. In this sense, we have developed a comprehensive repository to store our molecular docking data. Having such repository, we were able to apply preprocessing strategies on the stored data and submit them to different data mining tasks. Among the techniques applied, the most promising results were obtained with regression model trees. Although we have already addressed important issues and achieved significant results, there are some properties in these experiments turning it difficult to properly select conformations. Hence, a strategy was proposed considering the three-dimensional (3D) properties of the receptor conformations, to predict FEB. This thesis presents the 3D-Tri, a novel algorithm able to handle and treat spatial coordinates in a x,y,z format, and induce a tree that predicts FEB value by representing such properties. The algorithm uses such coordinates to split a node in two parts, where the edges evaluate whether the atom being tested by the node is part of a given interval [(xi,xf );(yi,yf );(zi,zf )], where i indicates the initial position of the coordinate, and f its final position. The induced model can help a domain specialist to select promising conformations, based on the region of the atoms in the model, to perform new molecular docking experiments / Com o avan?o nos experimentos biol?gicos, a manipula??o e an?lise do grande volume de dadossendo gerados por esses experimentos t?m sido um dos desafios em bioinform?tica, onde umaimportante ?rea de pesquisa ? o desenho racional de f?rmacos (RDD - Rational Drug Desing). Aintera??o entre macromol?culas biol?gicas, chamadas de receptores, e pequenas mol?culas, chamadasligantes, ? o princ?pio fundamental do RDD. ? em experimentos in silico de docagem molecularque se investiga o melhor encaixe e conforma??o de um ligante em uma cavidade do receptor. Oresultado de um experimento de docagem pode ser avaliado a partir de um valor cont?nuo de energialivre de liga??o (FEB - Free Energy of Binding). Tem-se empregado esfor?os em minerar dados deresultados de docagem molecular, com o objetivo de selecionar conforma??es relevantes para reduziro tempo de futuros experimentos de docagem. Nesse sentido, foi desenvolvido um reposit?rio paraarmazenar todos os dados a respeito desses experimentos, em n?vel de detalhe. Com esse reposit?rio,os dados foram devidamente pr?-processados e submetidos a diferentes tarefas de minera??ode dados. Dentre as t?cnicas aplicadas, a que apresentou-se mais promissora para o tipo de dadossendo utilizado foi ?rvore de decis?o para regress?o. Apesar dos resultados alcan?ados por essesexperimentos serem promissores, existem algumas propriedades nos experimentos que dificultam aefetiva sele??o de conforma??es. Dessa forma, prop?e-se uma estrat?gia que considera as propriedadestridimensionais (3D) do receptor para predizer o valor de FEB. Assim, nesta Tese ? apresentadoo 3D-Tri, um algoritmo de indu??o de ?rvore de regress?o que considera essas propriedades 3D,onde essas propriedades s?o definidas como atributos no formato x,y,z. O algoritmo proposto fazuso dessas coordenadas para dividir um nodo em duas partes, onde o ?tomo sendo testado parao nodo ? avaliado em termos de sua posi??o em um bloco [(xi,xf );(yi,yf );(zi,zf )] que melhorrepresente sua posi??o no espa?o, onde i indica a posi??o inicial de uma coordenada, e f indicaa posi??o final. O modelo induzido pode ser ?til para um especialista de dom?nio para selecionarconforma??es promissoras do receptor, tendo como base as regi?es dos ?tomos que aparecem nomodelo e que indicam melhores valores de FEB

Submitted by Setor de Tratamento da Informa??o - BC/PUCRS (tede2@pucrs.br) on 2016-12-30T11:17:36Z No. of bitstreams: 1 DIS_AUGUSTO_WEIAND_COMPLETO.pdf: 3232365 bytes, checksum: 2e18edf9e1a20e9351da458aacc8144d (MD5) / Made available in DSpace on 2016-12-30T11:17:37Z (GMT). No. of bitstreams: 1 DIS_AUGUSTO_WEIAND_COMPLETO.pdf: 3232365 bytes, checksum: 2e18edf9e1a20e9351da458aacc8144d (MD5) Previous issue date: 2016-03-01 / With the technology advancement, distance education has been very discussed in recent years, especially with the emergence of several kinds of Virtual Learning Environments (VLE?s). These environments used in distance education courses, usually generate a lot of data due to the high number of students and the various tasks which involve their interactions. Thus, arises the need to search efficient and intelligent ways to find relevant information. Data mining techniques help in the discovery of implicit knowledge that can support decision making. However, eventually appear difficulties in understanding the obtained results of the mining due to the analyzed volume. In these cases, the use of visualization and interaction techniques assists in this task. The main goal of this work is to present the development of a visual analysis approach that uses data mining algorithms and visualization techniques to help monitoring students of distance learning courses in the institutions that use virtual learning environments. These students are classified considering their performance, providing ways to investigate and predict possible approvals, disapprovals and evasions. The visualizations aim to improve the understanding of the generated data by the mining algorithms, providing different ways of interaction. It is possible to analyze both the general behavior of students in a selected course, as their individual behaviors. Performance comparisons of a student between different courses, and from interactions performed in a set of courses are also allowed. Initial tests demonstrated that it was possible to make predictions in a satisfactory way, as well as enable visualizations and interactions to the users for interpreting the information resulting from mining algorithms. / Com o avan?o da tecnologia, a educa??o a dist?ncia tem sido muito discutida nos ?ltimos anos, especialmente com o surgimento de diversos tipos de Ambientes Virtuais de Aprendizagem (AVA?s). Estes ambientes, quando utilizados em cursos de educa??o a dist?ncia, normalmente geram uma grande quantidade de dados devido ao elevado n?mero de alunos e as diversas tarefas que envolvem as suas intera??es. T?cnicas de minera??o de dados auxiliam na descoberta de conhecimentos impl?citos que possibilitem dar suporte ? tomada de decis?o. Por?m, eventualmente surgem dificuldades no entendimento dos resultados obtidos pela minera??o, devido ao volume de dados analisado. Neste caso, o uso de t?cnicas de visualiza??o e intera??o auxiliam nesta tarefa. Este trabalho tem como objetivo apresentar o desenvolvimento de uma abordagem de an?lise visual, que utiliza algoritmos de minera??o de dados e t?cnicas de visualiza??o para auxiliar no acompanhamento de alunos de cursos a dist?ncia nas institui??es que utilizam ambientes virtuais de aprendizado. Estes alunos s?o classificados considerando o seu desempenho, possibilitando a investiga??o e predi??o de poss?veis aprova??es, reprova??es ou evas?es. ? poss?vel analisar tanto o comportamento geral dos alunos de uma disciplina selecionada, como seus comportamentos individuais. Compara??es de desempenho de um aluno entre diferentes disciplinas, e das intera??es realizadas em um conjunto de disciplinas tamb?m s?o permitidas. Testes iniciais demonstraram que foi poss?vel efetuar previs?es de maneira satisfat?ria, assim como, possibilitar aos usu?rios visualiza??es e intera??es para interpretar estas informa??es advindas dos algoritmos de minera??o.

Submitted by SBI Biblioteca Digital (sbi.bibliotecadigital@puc-campinas.edu.br) on 2017-02-01T12:15:41Z No. of bitstreams: 1 Marcelo Cicero Ribeiro da Silva.pdf: 2629636 bytes, checksum: 626dcdd3e190058ed959a36deb2c116f (MD5) / Made available in DSpace on 2017-02-01T12:15:41Z (GMT). No. of bitstreams: 1 Marcelo Cicero Ribeiro da Silva.pdf: 2629636 bytes, checksum: 626dcdd3e190058ed959a36deb2c116f (MD5) Previous issue date: 2016-12-13 / Pontif?cia Universidade Cat?lica de Campinas ? PUC Campinas / One of the major responsible to change in a competitive landscape is the steady progress of technology and communication (TIC). With the evolution of technology and 'machine learning', computers are already available to carry out learning in a sophisticated way, improving the prescriptions of medical diagnosis, generating a second opinion for the medical professional and thus, To provide a better service to the community. The objective of this research is to develop a computational model, supported by data mining using machine learning techniques and, using communication devices integrated with communication and information technologies, to provide efficient support for The medical diagnosis in the area of orthopedics.The proof of the concept of this proposal will be used besed on a public database in the branch of backbone and the specific objective will be assist the doctor in the discovery of the Diseases Olisthesis and Herniated disk. This application will work with the concept of Knowledge Discovery in Databases to achieve the desired result. This process will use the Data Mining that, through classification algorithms, can transform data into useful information to the support the medical professional in the elaboration of diagnosis. The research will explore and define, in the WEKA Data Mining tool, the most appropriate algorithm, among the several that already exist, that can offer the highest diagnostic accuracy and enable a mobile solution. The dynamics structured in this work should allow that system to be enriched for each new patient treated and, with this, the platform becomes more efficient and effective as it expands. It is expected that the consulted computational model can be configured as a second opinion in support of the diagnosis of the medical professional. The results were satisfactory obtaining an average accuracy index above 86%. Among the benefits it is believed that it will be possible to assist in the graduation of new professionals assisting them in the Medical Residency, and reducing problems in possible medical errors thus, increasing the efficiency during the attendance and saving time and money. / Um dos grandes respons?veis pela mudan?a deum panorama competidor ? o progresso constante da tecnologia da informa??o e comunica??o (TIC).A maior parte das dificuldades na tomada de decis?o ? a transforma??o de dados e informa??es em conhecimento, principalmente quando as bases de dados dizem respeito ? sa?de. Com a evolu??o da tecnologia e do ?aprendizado de m?quina?(machine learning), j? se disp?e de computadores capazes de realizar aprendizado de forma sofisticada, permitindo sua utiliza??o no aux?lio nas prescri??es de diagn?stico m?dico, gerando uma segunda opini?o para o profissional da medicina e contribuindo, assim, para uma melhor presta??o de servi?o ? comunidade. O objetivo da pesquisa relatada consiste em elaborar um modelo computacional, apoiado em minera??o de dados com uso de t?cnicas de aprendizado de m?quina, que, utilizando-se de dispositivos de comunica??o integrados ?s tecnologias de comunica??o e informa??o e que venha oferecer suporte eficiente para o diagn?stico m?dico na ?rea de ortopedia. A prova do conceito desta proposta utilizar? de uma base de dados p?blica na especialidade da ortopedia (coluna vertebral) e o objetivo espec?fico ser? o de auxiliar o m?dico na descoberta das doen?as Listese e H?rnia de Disco. Esta aplica??o trabalhou com o conceito de descoberta de conhecimento em bases de dados (Knowledge Discovery in Databases), para conseguir o resultado desejado. Esse processo a Minera??o de Dados que, por meio de algoritmos de classifica??o, poder? transformar dados em informa??es ?teis ao apoio do profissional m?dico na elabora??o do seu diagn?stico. A pesquisa ir? explorar e definir, na ferramenta de Data Mining WEKA, o algoritmo mais apropriado, dentre os v?rios j? existentes, que possa oferecer maior acur?cia no diagn?stico e que viabilize uma solu??o tipo mobile. A din?mica estruturada neste trabalho dever? permitir que o sistema seja enriquecido a cada novo paciente tratado e que, com isto, a plataforma se torne mais eficiente e eficaz ? medida que se amplie. Espera-se que o modelo computacional elaborado possa se configurar como uma segunda opini?o em apoio ao diagn?stico do profissional m?dico retornando o diagnostico do paciente. Os resultados obtidos foram satisfat?rios obtendo um ?ndice de acuracidade m?dia acima de 86%. Dentre os benef?cios acredita-se que ser? poss?vel auxiliar na forma??o de novos profissionais auxiliando-os na Resid?ncia M?dica, na redu??o de problemas decorrentes de erros m?dicos e, dessa forma, aumenta-se a efic?cia no atendimento com ganhos de tempo e dinheiro.

Submitted by Jos? Henrique Henrique (jose.neves@ufvjm.edu.br) on 2018-05-23T19:00:06Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) warley_leite_fernandes.pdf: 2460576 bytes, checksum: d929e82a2e47dac8f54b1a1d52ed28fb (MD5) / Approved for entry into archive by Rodrigo Martins Cruz (rodrigo.cruz@ufvjm.edu.br) on 2018-06-05T14:49:36Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) warley_leite_fernandes.pdf: 2460576 bytes, checksum: d929e82a2e47dac8f54b1a1d52ed28fb (MD5) / Made available in DSpace on 2018-06-05T14:49:36Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) warley_leite_fernandes.pdf: 2460576 bytes, checksum: d929e82a2e47dac8f54b1a1d52ed28fb (MD5) Previous issue date: 2017 / A Educa??o a Dist?ncia (EAD) tem-se confirmado como importante ferramenta de capacita??o a qualquer tempo e dist?ncia. Por?m, a maioria das Institui??es de Ensino tem encontrado dificuldades relacionadas ao grande n?mero de abandono dos cursos. Avan?os recentes em diversas ?reas da tecnologia possibilitaram o surgimento das Tecnologias da Informa??o e Comunica??o que se tornaram essenciais ? condu??o dos processos educacionais. Assim, imensos volumes de dados s?o gerados pela intera??o de usu?rios em Ambientes Virtuais de Aprendizagem (AVA). Esses dados ?escondem? informa??es ricas. Contudo, manipular tamanha quantidade de dados n?o ? uma tarefa simples. Neste sentido, uma solu??o promissora para extra??o de informa??o ? a Minera??o de Dados, que pode ser entendida como a transforma??o de dados brutos em conhecimento. Essa pesquisa apresenta um estudo para compreender os motivos do baixo desempenho dos alunos em cursos t?cnicos da EAD aplicando, para isto, o algoritmo de Classifica??o Associativa (CBA) em Minera??o de Dados Educacionais (EDM). Com o objetivo de gerar os melhores resultados preditivos de Classifica??o Associativa obtidos pelo CBA, aplicou-se o algoritmo de Regras de Associa??o denominado Predictive Apriori,ainda n?o empregados em trabalhos correlatos. Os resultados experimentais apontam que o CBA aplicado a Bases de Dados Educacionais atinge melhores resultados que os algoritmos de classifica??o tradicionais (alcan?ando uma marca de 85% de acur?cia). Mostrou-se tamb?m que o uso das ferramentas f?rum, quiz e folder t?m uma grande influ?ncia no desempenho dos estudantes. / Disserta??o (Mestrado Profissional) ? Programa de P?s-Gradua??o em Educa??o, Universidade Federal dos Vales do Jequitinhonha e Mucuri, 2017. / Distance Education (EAD) has been confirmed as an important training tool at any time and distance. However, most educational institutions have encountered difficulties related to the large number of dropouts. Recent advances in several areas of technology have enabled the emergence of Information and Communication Technologies that have become essential to the conduct of educational processes. Thus, immense data volumes are generated by the interaction of users in Virtual Learning Environments (AVA). These data "hide" rich information. However, handling such a large amount of data is not a simple task. In this sense, a promising solution for information extraction is Data Mining, which can be understood as the transformation of raw data into knowledge. This research presents a study to understand the reasons of the low performance of students in technical courses of the EAD applying, to this, the Association Classification (CBA) algorithm in Educational Data Mining (EDM). In order to further improve the results obtained by the CBA, the Association Rules algorithm called Predictive Apriori, not yet employed in related works, was applied in order to generate the best predictive results of Associative Classification. The experimental results point out that the CBA applied to Educational Databases achieves better results than traditional classification algorithms (reaching a mark of 85% accuracy). It was also shown that the use of the forum, quiz and folder tools have a great influence on student performance.