Use este identificador para citar ou linkar para este item: http://repositorio.ufc.br/handle/riufc/31662
Tipo: Dissertação
Título: Predição de desempenho de estudantes em ambientes virtuais de aprendizagem
Título em inglês: Predicting performance of students in learning environment systems
Autor(es): Bezerra, André Alves
Orientador: Araújo, Gizele Azevedo de
Palavras-chave: Ambientes virtuais de aprendizagem;Redução da dimensionalidade;Redes neurais;Mineração de dados educacionais
Data do documento: Abr-2018
Instituição/Editor/Publicador: Universidade Federal do Ceará
Citação: BEZERRA, A. A. Predição de desempenho de estudantes em ambientes virtuais de aprendizagem. 2017. 74 f. Dissertação (Mestrado em Engenharia Elétrica e da Computação) - Campus de Sobral, Universidade Federal do Ceará, Sobral, 2017.
Resumo: Neste trabalho, investigamos a viabilidade do uso de técnicas de Mineração de Dados Educacionais baseadas na combinação de métodos de Redução da Dimensionalidade com Análise dos Componentes Principais (PCA), e Análise Discriminante Linear (LDA) para pré-processamento dos dados, e Redes Neurais Artificiais do tipo Multilayer Perceptron (MLP) para realizar inferências sobre o desempenho acadêmico de estudantes a partir de dados de bases de dados de Ambientes Virtuais de Aprendizagem (AVA). AVA são softwares educacionais baseados na web que disponibilizam conteúdos didáticos e avaliações on-line, e geram um grande volume de dados sobre interações dos estudantes no ambiente. O método que propomos para classificação dos estudantes, com os dados utilizados neste trabalho, obteve melhores resultados na predição do desempenho acadêmico de estudantes se comparado a outros métodos abordados na literatura.
Abstract: In this work, we investigate the using of Educational Data Mining (EDM) techniques based on Principal Components Analysis (PCA) and Linear Discriminant Analysis (LDA) for data reduction and Multilayer Perceptron (MLP) to predict student’s performance on Learning Environments Systems (LMS). LMS are web-based educational software that provides classes and online assignments, and generate a large volume of data on student’s interactions in the environment. The method proposed, with the data used in this study, obtained better results in the prediction of the academic performance of students when compared to other methods approached in the literature.
URI: http://www.repositorio.ufc.br/handle/riufc/31662
Aparece nas coleções:PPGEEC - SOBRAL - Dissertações defendidas na UFC

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2017_dis_aabezerra.pdfBezerra, A. A. Predição de desempenho de estudantes em ambientes virtuais de aprendizagem. 2017. 74 f. Dissertação (Mestrado em Engenharia Elétrica e da Computação) - Campus de Sobral, Universidade Federal do Ceará, Sobral, 2017.2,02 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.