Please use this identifier to cite or link to this item: https://repositorio.ufrn.br/jspui/handle/123456789/19928
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorCanuto, Anne Magaly de Paula-
dc.contributor.authorNogueira, Priscilla Suene de Santana-
dc.date.accessioned2016-03-03T22:56:49Z-
dc.date.available2016-03-03T22:56:49Z-
dc.date.issued2015-02-06-
dc.identifier.citationNOGUEIRA, Priscilla Suene de Santana. Utilizando comitês de classificadores para predição de rendimento escolar. 2015. 160f. Dissertação (Mestrado em Sistemas e Computação) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2015.pt_BR
dc.identifier.urihttps://repositorio.ufrn.br/jspui/handle/123456789/19928-
dc.description.abstractEducational 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.pt_BR
dc.language.isoporpt_BR
dc.publisherUniversidade Federal do Rio Grande do Nortept_BR
dc.rightsAcesso Abertopt_BR
dc.subjectMineração de dados educacionaispt_BR
dc.subjectComitês de classificadorespt_BR
dc.subjectMoodlept_BR
dc.titleUtilizando comitês de classificadores para predição de rendimento escolarpt_BR
dc.typemasterThesispt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.initialsUFRNpt_BR
dc.publisher.programPROGRAMA DE PÓS-GRADUAÇÃO EM SISTEMAS E COMPUTAÇÃOpt_BR
dc.contributor.authorLatteshttp://lattes.cnpq.br/4408967829407525-
dc.contributor.advisorLatteshttp://lattes.cnpq.br/1357887401899097-
dc.contributor.referees1Andrade, Adja Ferreira de-
dc.contributor.referees1Latteshttp://lattes.cnpq.br/3992106322474895-
dc.contributor.referees2Campos, André Mauricio Cunha-
dc.contributor.referees2Latteshttp://lattes.cnpq.br/7154508093406987-
dc.contributor.referees3Santos, Araken de Medeiros-
dc.contributor.referees3Latteshttp://lattes.cnpq.br/8059198436766378-
dc.description.resumoA mineração de dados educacionais (MDE) é um domínio de aplicação na área de Inteligência artificial que tem sido bastante explorado na atualidade. Os avanços tecnológicos e em especial, a crescente utilização dos ambientes virtuais de aprendizagem têm permitido a geração de consideráveis quantidades de dados a serem investigados. Dentre as atividades a serem tratadas nesse contexto está a predição de rendimento escolar de estudantes, a qual pode ser realizada através do emprego de técnicas de aprendizado de máquina. Tais técnicas podem ser utilizadas para classificação dos estudantes em rótulos previamente definidos. Uma das estratégias para aplicação dessas técnicas consiste em combiná-las no projeto de sistemas multiclassificadores, cuja eficiência pode ser comprovada por resultados já alcançados em outros trabalhos realizados em diversas áreas, tais como: medicina, comércio e biometria. Os dados utilizados nos experimentos foram obtidos por meio das interações 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 específicos, denominados comitês de classificadores, desse modo visando alcançar melhores resultados na predição de rendimento escolar, ou seja, na busca por maiores percentuais de acurácia na classificação dos estudantes; apresentando uma significativa exploração de dados educacionais e análises relevantes advindas desses experimentos.pt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAOpt_BR
Appears in Collections:PPGSC - Mestrado em Sistemas e Computação

Files in This Item:
File Description SizeFormat 
PriscillaSueneDeSantanaNogueira_DISSERT.pdf2,92 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.