Predição do rendimento dos alunos em lógica de programação com base no desempenho das disciplinas do primeiro período do curso de ciências e tecnologia utilizando técnicas de mineração de dados
dc.contributor.author | Santana Junior, Orivaldo Vieira de | |
dc.contributor.author | Barros, Renata Pitta | |
dc.contributor.author | Silva, Igor Rosberg de Medeiros | |
dc.contributor.author | Santos, Luana Fernandes dos | |
dc.contributor.author | Câmara Neto, Vilson Rodrigues | |
dc.date.accessioned | 2020-12-11T17:22:42Z | |
dc.date.available | 2020-12-11T17:22:42Z | |
dc.date.issued | 2020 | |
dc.description.abstract | The high rates of university student disapproval and dropout in the initial courses of programming present a worrying statistics faced by the coordinators of the Technology programs. The problem of students disapproval is often pointed as an influential factor in dropping out of university programs. This work proposes the use of techniques of Educational Data Mining to predict the performance of students in the course of Programming Logic, of the second period of the Bachelor of Science and Technology program at UFRN, based on performance in the courses of the first period of that program. The results showed that it is possible to infer students performance with an accuracy of up to 77%, this information being useful for planning actions to avoid disapproval/dropout and, especially, to personalize the teaching of programming logic. | pt_BR |
dc.description.resumo | Os altos índices de reprovação e evasão de estudantes universitários nas disciplinas iniciais de programação apresentam uma estatística preocupante enfrentada pelos coordenadores dos cursos da área de Tecnologia. O problema da reprovação dos estudantes nessas disciplinas é, muitas vezes, apontado como um fator influenciador da evasão dos cursos. Esta pesquisa propõe a utilização de técnicas de Mineração de Dados Educacionais para tentar predizer o desempenho dos alunos na disciplina de Lógica de Programação, do segundo período do curso de Bacharelado em Ciências e Tecnologia da UFRN, através do desempenho nas disciplinas do primeiro período do curso. Os resultados mostraram que é possível inferir o rendimento dos estudantes com uma acurácia de até 77%, sendo esta informação útil para a realização de ações para evitar a reprovação/evasão e, principalmente, para personalizar o ensino de lógica de programação. | pt_BR |
dc.identifier.citation | BARROS, Renata Pitta; SANTANA JUNIOR, Orivaldo Vieira; SILVA, Igor Rosberg de Medeiros; SANTOS, Luana Fernandes; CÂMARA NETO, Vilson Rodrigues. Predição do rendimento dos alunos em lógica de programação com base no desempenho das disciplinas do primeiro período do curso de ciências e tecnologia utilizando técnicas de mineração de dados. Brazilian Journal Of Development, [S.L.], v. 6, n. 1, p. 2523-2534, 2020. Brazilian Journal of Development. http://dx.doi.org/10.34117/bjdv6n1-186. Disponível em: https://www.brazilianjournals.com/index.php/BRJD/article/view/6167/5484. Acesso em: 16 out. 2020. | pt_BR |
dc.identifier.doi | http://dx.doi.org/10.34117/bjdv6n1-186 | |
dc.identifier.issn | 2525-8761 | |
dc.identifier.uri | https://repositorio.ufrn.br/handle/123456789/30965 | |
dc.language | pt_BR | pt_BR |
dc.publisher | Brazilian Journal Of Development - Publicação Independente | pt_BR |
dc.rights | Attribution-NonCommercial 3.0 Brazil | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc/3.0/br/ | * |
dc.subject | ciência de dados educacionais | pt_BR |
dc.subject | dados educacionais | pt_BR |
dc.subject | educational data science | pt_BR |
dc.subject | aprendizado de máquina | pt_BR |
dc.subject | machine learning | pt_BR |
dc.subject | educational data | pt_BR |
dc.title | Predição do rendimento dos alunos em lógica de programação com base no desempenho das disciplinas do primeiro período do curso de ciências e tecnologia utilizando técnicas de mineração de dados | pt_BR |
dc.title.alternative | Predicting student performance in programming logic based on the performance of first-course science and technology subjects using data mining techniques | pt_BR |
dc.type | article | pt_BR |
Arquivos
Pacote Original
1 - 1 de 1
Carregando...
- Nome:
- PrediçãoRendimentoAluno_SANTANA_2020.pdf
- Tamanho:
- 455.93 KB
- Formato:
- Adobe Portable Document Format
Carregando...
Licença do Pacote
1 - 1 de 1
Nenhuma Miniatura disponível
- Nome:
- license.txt
- Tamanho:
- 1.45 KB
- Formato:
- Item-specific license agreed upon to submission
Nenhuma Miniatura disponível