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.authorSantana Junior, Orivaldo Vieira de
dc.contributor.authorBarros, Renata Pitta
dc.contributor.authorSilva, Igor Rosberg de Medeiros
dc.contributor.authorSantos, Luana Fernandes dos
dc.contributor.authorCâmara Neto, Vilson Rodrigues
dc.date.accessioned2020-12-11T17:22:42Z
dc.date.available2020-12-11T17:22:42Z
dc.date.issued2020
dc.description.abstractThe 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.resumoOs 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.citationBARROS, 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.doihttp://dx.doi.org/10.34117/bjdv6n1-186
dc.identifier.issn2525-8761
dc.identifier.urihttps://repositorio.ufrn.br/handle/123456789/30965
dc.languagept_BRpt_BR
dc.publisherBrazilian Journal Of Development - Publicação Independentept_BR
dc.rightsAttribution-NonCommercial 3.0 Brazil*
dc.rights.urihttp://creativecommons.org/licenses/by-nc/3.0/br/*
dc.subjectciência de dados educacionaispt_BR
dc.subjectdados educacionaispt_BR
dc.subjecteducational data sciencept_BR
dc.subjectaprendizado de máquinapt_BR
dc.subjectmachine learningpt_BR
dc.subjecteducational datapt_BR
dc.titlePredição 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 dadospt_BR
dc.title.alternativePredicting student performance in programming logic based on the performance of first-course science and technology subjects using data mining techniquespt_BR
dc.typearticlept_BR

Arquivos

Pacote Original

Agora exibindo 1 - 1 de 1
Carregando...
Imagem de Miniatura
Nome:
PrediçãoRendimentoAluno_SANTANA_2020.pdf
Tamanho:
455.93 KB
Formato:
Adobe Portable Document Format
Carregando...
Imagem de Miniatura
Baixar

Licença do Pacote

Agora exibindo 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
Baixar