Made available in DSpace on 2014-06-12T16:01:07Z (GMT). No. of bitstreams: 2 arquivo7165_1.pdf: 2343075 bytes, checksum: dc143da5c779d92b12d2f016b2685c35 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2005 / O processo de seleção de candidatos ao mestrado do Centro de Informática da UFPE é baseado na análise curricular do aluno. Há cerca de seis anos, com o aumento do número de candidatos, esta avaliação passou a ser sistematizada através de fórmulas que ponderam cada atributo curricular do candidato, classificando-os em ordem decrescente de escore. Além de a definição dos pesos ser feita de forma intuitiva, tem acontecido de bons alunos não serem selecionados para o mestrado por terem um perfil peculiar que não está sendo captado pelo processo vigente. Esta dissertação propõe uma ampliação dos atributos analisados, que atualmente restringem-se aos atributos curriculares dos estudantes, e a criação de um modelo para apoio à decisão no processo de seleção baseado na redefinição dos pesos associados aos atributos avaliados. Foi feito um levantamento das informações sobre os 814 candidatos ao mestrado no intervalo de quatro anos, bem como o acompanhamento do desempenho dos 148 alunos que ingressaram no curso neste período, utilizados como base para o processo de mineração de dados. Foi usado um framework baseado numa metodologia internacionalmente aceita, criada para descrever os passos do processo de descoberta do conhecimento em banco de dados, CRISP-DM, desde o levantamento do problema até a avaliação do conhecimento extraído. Foram escolhidas as técnicas mais apropriadas para a solução do problema levantado, e gerados os modelos com estas técnicas. Os modelos da regressão logística e da regressão linear foram comparados com o modelo atual, do especialista. Selecionou-se o modelo de melhor desempenho na classificação dos alunos que produziu um classificador confiável e menos restritivo que o atual. Mostrou-se que sistemas de decisão melhores que o atual são viáveis de serem implementados. Além das técnicas de inferência, outras foram usadas para se fazer uma caracterização dos perfis dos estudantes mais adequada ao curso de mestrado em informática desta instituição