Conselho Nacional de Desenvolvimento Científico e Tecnológico / No presente trabalho foram utilizados modelos de classificação para minerar dados relacionados à aprendizagem de Matemática e ao perfil de professores do ensino fundamental. Mais especificamente, foram abordados os fatores referentes aos educadores do Estado do Rio de Janeiro que influenciam positivamente e negativamente no desempenho dos alunos do 9 ano do ensino básico nas provas de Matemática. Os dados utilizados para extrair estas informações são disponibilizados pelo Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira que avalia o sistema educacional brasileiro em diversos níveis e modalidades de ensino, incluindo a Educação Básica, cuja avaliação, que foi foco deste estudo, é realizada pela Prova Brasil. A partir desta base, foi aplicado o processo de Descoberta de Conhecimento em Bancos de Dados (KDD - Knowledge Discovery in Databases), composto das etapas de preparação, mineração e pós-processamento dos dados. Os padrões foram extraídos dos modelos de classificação gerados pelas técnicas árvore de decisão, indução de regras e classificadores Bayesianos, cujos algoritmos estão implementados no software Weka (Waikato Environment for Knowledge Analysis). Além disso, foram aplicados métodos de grupos e uma metodologia para tornar as classes uniformemente distribuídas, afim de melhorar a precisão dos modelos obtidos. Os resultados apresentaram importantes fatores que contribuem para o ensino-aprendizagem de Matemática, assim como evidenciaram aspectos que comprometem negativamente o desempenho dos discentes. Por fim, os resultados extraídos fornecem ao educador e elaborador de políticas públicas fatores para uma análise que os auxiliem em posteriores tomadas de decisão. / Classification models were applied in this work in order to mine data related to elementary school teachers profiles and students' mathematics learning. More specifically, teacher characteristics which in uence positively and negatively on the Mathematics tests performance of the students in the 9th grade of elementary education in Rio de Janeiro State were addressed. The data used to extract this information are provided by the National Institute of Studies and Educational Research Anisio Teixeira (INEP), which evaluates the Brazilian educational system at various levels and types of education, including Elementary Education. The Knowledge Discovery in Databases (KDD) process was applied comprising the steps of preparation, mining and post processing of data. The patterns were extracted from the classification models generated by decision tree, rule induction and Bayesian classifiers, whose algorithms are implemented in software Weka (Waikato Environment for Knowledge Analysis). In addition, group methods were used as well as a methodology for making uniformly distributed classes in order to improve the accuracy of the models obtained. The results showed important factors that contribute to the learning of mathematics and aspects that negatively compromise the performance of students. The extracted results can provide to educators and public policies makers the support for analysis and decision making.

Conselho Nacional de Desenvolvimento Científico e Tecnológico / No presente trabalho foram utilizados modelos de classificação para minerar dados relacionados à aprendizagem de Matemática e ao perfil de professores do ensino fundamental. Mais especificamente, foram abordados os fatores referentes aos educadores do Estado do Rio de Janeiro que influenciam positivamente e negativamente no desempenho dos alunos do 9 ano do ensino básico nas provas de Matemática. Os dados utilizados para extrair estas informações são disponibilizados pelo Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira que avalia o sistema educacional brasileiro em diversos níveis e modalidades de ensino, incluindo a Educação Básica, cuja avaliação, que foi foco deste estudo, é realizada pela Prova Brasil. A partir desta base, foi aplicado o processo de Descoberta de Conhecimento em Bancos de Dados (KDD - Knowledge Discovery in Databases), composto das etapas de preparação, mineração e pós-processamento dos dados. Os padrões foram extraídos dos modelos de classificação gerados pelas técnicas árvore de decisão, indução de regras e classificadores Bayesianos, cujos algoritmos estão implementados no software Weka (Waikato Environment for Knowledge Analysis). Além disso, foram aplicados métodos de grupos e uma metodologia para tornar as classes uniformemente distribuídas, afim de melhorar a precisão dos modelos obtidos. Os resultados apresentaram importantes fatores que contribuem para o ensino-aprendizagem de Matemática, assim como evidenciaram aspectos que comprometem negativamente o desempenho dos discentes. Por fim, os resultados extraídos fornecem ao educador e elaborador de políticas públicas fatores para uma análise que os auxiliem em posteriores tomadas de decisão. / Classification models were applied in this work in order to mine data related to elementary school teachers profiles and students' mathematics learning. More specifically, teacher characteristics which in uence positively and negatively on the Mathematics tests performance of the students in the 9th grade of elementary education in Rio de Janeiro State were addressed. The data used to extract this information are provided by the National Institute of Studies and Educational Research Anisio Teixeira (INEP), which evaluates the Brazilian educational system at various levels and types of education, including Elementary Education. The Knowledge Discovery in Databases (KDD) process was applied comprising the steps of preparation, mining and post processing of data. The patterns were extracted from the classification models generated by decision tree, rule induction and Bayesian classifiers, whose algorithms are implemented in software Weka (Waikato Environment for Knowledge Analysis). In addition, group methods were used as well as a methodology for making uniformly distributed classes in order to improve the accuracy of the models obtained. The results showed important factors that contribute to the learning of mathematics and aspects that negatively compromise the performance of students. The extracted results can provide to educators and public policies makers the support for analysis and decision making.

Submitted by Maurilio Gustavo Nespeca (mauriliogn@hotmail.com) on 2018-08-31T21:01:07Z No. of bitstreams: 1 TESE - MAURILIO G NESPECA.pdf: 12338235 bytes, checksum: 0ffb2ce70bfeb2d88ea11b6f84d923e9 (MD5) / Approved for entry into archive by Ana Carolina Gonçalves Bet null (abet@iq.unesp.br) on 2018-09-04T12:54:22Z (GMT) No. of bitstreams: 1 nespeca_mg_dr_araiq_int.pdf: 8911620 bytes, checksum: d6033930d5b3d08e08ac463efd5ad737 (MD5) / Made available in DSpace on 2018-09-04T12:54:22Z (GMT). No. of bitstreams: 1 nespeca_mg_dr_araiq_int.pdf: 8911620 bytes, checksum: d6033930d5b3d08e08ac463efd5ad737 (MD5) Previous issue date: 2018-08-31 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Segundo dados, de 2017, da Companhia Ambiental do Estado de São Paulo (CETESB), os postos de combustíveis são responsáveis pela contaminação ambiental de 72% das 5942 áreas contaminadas cadastradas no estado de São Paulo. A contaminação de solos e águas subterrâneas por combustíveis fósseis causam imensos danos ambientais devido à alta toxicidade dos constituintes destes combustíveis, além de apresentarem propriedades carcinogênicas e elevada permanência no solo. O monitoramento ambiental em áreas de risco potencial de contaminação, como postos de combustíveis, é realizado através da análise de hidrocarbonetos totais do petróleo (TPH), entre outros hidrocarbonetos individuais. Estas análises são realizadas através de métodos cromatográficos em fase gasosa que requerem etapas de extração com solventes halogenados, purificação e, muitas vezes, pré-concentração. O elevado custo e o tempo demandado para a quantificação de TPH em solo tornam-se barreiras para o crescimento do monitoramento e acompanhamento de processos de remediação das áreas contaminadas. Desta forma, este trabalho objetivou o desenvolvimento de métodos analíticos mais rápidos e de menor custo para a identificação e quantificação de TPH em solo através da espectroscopia na região do infravermelho próximo (NIR). Três métodos NIR foram desenvolvidos: (i) sem preparo de amostra; (ii) após extração por hexano; e (iii) após extração por etanol. Os modelos de classificação foram desenvolvidos pelo método de análise discriminante por mínimos quadrados parciais (PLS-DA) e os modelos de calibração por mínimos quadrados parciais (PLS). No desenvolvimento dos modelos, nove diferentes pré-processamentos e seleção de variáveis pelo algoritmo genético (GA) foram avaliados. Os modelos foram desenvolvidos usando-se amostras de solo fortificado com os contaminantes (gasolina, diesel e óleo lubrificantes) e validados com amostras de solo contaminado, adquiridas no monitoramento ambiental de postos de combustíveis. O modelo PLS-DA proporcionou 100% de classificações corretas das amostras contaminadas sem a necessidade de preparo de amostra, enquanto a predição da concentração dos analitos tornou-se possível através dos modelos PLS após a etapa de extração com etanol. Como objetivos secundários deste trabalho, foram desenvolvidos métodos de quantificação das diferentes frações de TPH e dos compostos benzeno, tolueno, etilbenzeno e xilenos (BTEX) por cromatografia em fase gasosa ultrarrápida com detector de ionização por chama (UFGC-FID). Além do desenvolvimento dos métodos UFGC-FID, otimizou-se o processo de extração dos analitos por sonicação através de planejamentos experimentais, avaliando-se diferentes solventes, tempo de sonicação, agitação por vórtex e volume de solvente. Os métodos UFGC-FID proporcionaram análises de 3 a 17 vezes mais rápidas que o método cromatográfico de acordo com a norma EPA 8015. Ao final deste trabalho, os métodos desenvolvidos e o método EPA 8015 foram comparados segundo aspectos analíticos, ambientais e financeiros. De forma geral, os três métodos apresentaram mesma exatidão; o método cromatográfico (EPA 8015) foi o método mais preciso; o método UFGC-FID foi o de menor investimento inicial e de menor tempo para retorno financeiro; e, finalmente, o método NIR após extração com etanol foi o mais sensível, rápido, favorável à química verde e de menor custo por análise. / According to the Environmental Company of the State of São Paulo (CETESB), the gas stations are responsible for the environmental contamination of 72% of the 5942 contaminated areas registered in the state of São Paulo. Contamination of soils and groundwater by fossil fuels causes immense environmental damages due to their high toxicity, carcinogenic properties and high permanence in the soil. Environmental monitoring in areas of potential contamination risk, such as gas stations, is carried out through the analysis of total petroleum hydrocarbons (TPH), among other individual compounds. These analyzes are performed by gas chromatographic methods which require some sample preparation steps, such as extraction with halogenated solvents, purification, and often preconcentration. The high cost and time demanded for the quantification of TPH in the soil become barriers for the growth of the monitoring program and remediation processes of the contaminated areas. Therefore, this work aimed at the development of faster and lower cost analytical methods for the identification and quantification of TPH in soil through near-infrared spectroscopy (NIR). Three NIR methods were developed: (i) without sample preparation; (ii) after hexane extraction; and (iii) after extraction with ethanol. The classification models were developed by partial least squares discriminant analysis (PLS-DA) method and the calibration models by partial least squares (PLS) method. In the development of the models, we evaluated nine different preprocessing and selection of variables by the genetic algorithm (GA). The models were developed using soil samples fortified with contaminants (gasoline, diesel and lubricant oil) and validated with samples of contaminated soil acquired in the environmental monitoring of gas stations. The PLS-DA model provided 100% correct classifications without sample preparation, while the prediction of the concentration of the analytes was possible by PLS models after the ethanol extraction. As secondary objectives of this work, we developed quantification methods for the different fractions of TPH and benzene, toluene, ethylbenzene, and xylenes (BTEX) compounds by ultrafast gas chromatography with flame ionization detector (UFGC-FID). In addition to the UFGC-FID methods, the TPH extraction by sonication was optimized through experimental design, evaluating different solvents, sonication time, agitation and solvent volume. The UFGC-FID methods provided analyzes 3 to 17 times faster than the chromatographic method according to EPA 8015. At the end of this work, the developed methods and the EPA 8015 method were compared according to analytical, environmental and financial aspects. In general, the three methods presented the same accuracy; the EPA 8015 method was the most precise; the UFGC-FID method presented lower initial investment and less time for financial return; and the NIR method after ethanol extraction was the most sensitive, fast, favorable to green chemistry and presented the lowest cost per analysis.