Return to search

Utilização de modelos de classificação para mineração de dados relacionados à aprendizagem de matemática e ao perfil de professores do ensino fundamental / Application of classification models for mining of data related to mathematics learning and elementary school teachers profile

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.

Identiferoai:union.ndltd.org:IBICT/urn:repox.ist.utl.pt:BDTD_UERJ:oai:www.bdtd.uerj.br:4410
Date20 February 2014
CreatorsStella Oggioni da Fonseca
ContributorsAnderson Amendoeira Namen, Roberto Pinheiro Domingos, Gustavo Mendes Platt, Annabell Del Real Tamariz
PublisherUniversidade do Estado do Rio de Janeiro, Programa de Pós-Graduação em Modelagem Computacional, UERJ, BR
Source SetsIBICT Brazilian ETDs
LanguagePortuguese
Detected LanguagePortuguese
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis
Formatapplication/pdf
Sourcereponame:Biblioteca Digital de Teses e Dissertações da UERJ, instname:Universidade do Estado do Rio de Janeiro, instacron:UERJ
Rightsinfo:eu-repo/semantics/openAccess

Page generated in 0.002 seconds