Submitted by Automa??o e Estat?stica (sst@bczm.ufrn.br) on 2016-03-02T22:44:37Z
No. of bitstreams: 1
PriscillaSueneDeSantanaNogueira_DISSERT.pdf: 2990260 bytes, checksum: b2f0adece207327dfcf45f7d23b39fd4 (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2016-03-03T22:56:49Z (GMT) No. of bitstreams: 1
PriscillaSueneDeSantanaNogueira_DISSERT.pdf: 2990260 bytes, checksum: b2f0adece207327dfcf45f7d23b39fd4 (MD5) / Made available in DSpace on 2016-03-03T22:56:49Z (GMT). No. of bitstreams: 1
PriscillaSueneDeSantanaNogueira_DISSERT.pdf: 2990260 bytes, checksum: b2f0adece207327dfcf45f7d23b39fd4 (MD5)
Previous issue date: 2015-02-06 / A minera??o de dados educacionais (MDE) ? um dom?nio de aplica??o na
?rea de Intelig?ncia artificial que tem sido bastante explorado na atualidade. Os
avan?os tecnol?gicos e em especial, a crescente utiliza??o dos ambientes
virtuais de aprendizagem t?m permitido a gera??o de consider?veis quantidades
de dados a serem investigados. Dentre as atividades a serem tratadas nesse
contexto est? a predi??o de rendimento escolar de estudantes, a qual pode ser
realizada atrav?s do emprego de t?cnicas de aprendizado de m?quina. Tais
t?cnicas podem ser utilizadas para classifica??o dos estudantes em r?tulos
previamente definidos. Uma das estrat?gias para aplica??o dessas t?cnicas
consiste em combin?-las no projeto de sistemas multiclassificadores, cuja
efici?ncia pode ser comprovada por resultados j? alcan?ados em outros
trabalhos realizados em diversas ?reas, tais como: medicina, com?rcio e
biometria. Os dados utilizados nos experimentos foram obtidos por meio das
intera??es entre estudantes em um dos mais utilizados ambientes virtuais de
aprendizagem denominado moodle. Diante desse breve panorama, o presente
trabalho apresenta resultados de diversos experimentos que incluem o emprego
de sistemas multiclassifcadores espec?ficos, denominados comit?s de
classificadores, desse modo visando alcan?ar melhores resultados na predi??o
de rendimento escolar, ou seja, na busca por maiores percentuais de acur?cia
na classifica??o dos estudantes; apresentando uma significativa explora??o de
dados educacionais e an?lises relevantes advindas desses experimentos. / Educational Data Mining is an application domain in artificial intelligence
area that has been extensively explored nowadays. Technological advances and
in particular, the increasing use of virtual learning environments have allowed the
generation of considerable amounts of data to be investigated. Among the
activities to be treated in this context exists the prediction of school performance
of the students, which can be accomplished through the use of machine learning
techniques. Such techniques may be used for student?s classification in predefined
labels. One of the strategies to apply these techniques consists in their
combination to design multi-classifier systems, which efficiency can be proven by
results achieved in other studies conducted in several areas, such as medicine,
commerce and biometrics. The data used in the experiments were obtained from
the interactions between students in one of the most used virtual learning
environments called Moodle. In this context, this paper presents the results of
several experiments that include the use of specific multi-classifier systems
systems, called ensembles, aiming to reach better results in school performance
prediction that is, searching for highest accuracy percentage in the student?s
classification. Therefore, this paper presents a significant exploration of
educational data and it shows analyzes of relevant results about these
experiments.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufrn.br:123456789/19928 |
| Date | 06 February 2015 |
| Creators | Nogueira, Priscilla Suene de Santana |
| Contributors | 66487099449, http://lattes.cnpq.br/1357887401899097, Andrade, Adja Ferreira de, 72253045420, http://lattes.cnpq.br/3992106322474895, Campos, Andr? Mauricio Cunha, 00761944770, http://lattes.cnpq.br/7154508093406987, Santos, Araken de Medeiros, 00739803409, http://lattes.cnpq.br/8059198436766378, Canuto, Anne Magaly de Paula |
| Publisher | Universidade Federal do Rio Grande do Norte, PROGRAMA DE P?S-GRADUA??O EM SISTEMAS E COMPUTA??O, UFRN, Brasil |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | English |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Source | reponame:Repositório Institucional da UFRN, instname:Universidade Federal do Rio Grande do Norte, instacron:UFRN |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.002 seconds