|
Title:
|
SOLUÇÃO DE MINERAÇÃO DE DADOS PARA AVALIAÇÃO DO ENSINO MÉDIO DOS INSTITUTOS FEDERAIS A PARTIR DO CENSO ESCOLAR E DO ENEM |
|
Author(s):
|
Rogério Luiz Cardoso Silva Filho e Paulo Jorge Leitão Adeodato |
|
ISBN:
|
978-989-8533-70-8 |
|
Editors:
|
Flávia Maria Santoro, Paula Miranda, Mário Dantas, Cristiano Costa e Pedro Isaías |
|
Year:
|
2017 |
|
Edition:
|
Single |
|
Keywords:
|
KDD, Data-Mining, Regressão Logística, Árvore de Decisão, Desempenho Escolar |
|
Type:
|
Full Paper |
|
First Page:
|
167 |
|
Last Page:
|
174 |
|
Cover:
|
|
|
Full Contents:
|
click to dowload 
|
|
Paper Abstract:
|
O Ensino Médio brasileiro vem passando por constantes debates acerca dos seus problemas de acesso e permanência, qualidade do ensino e até mesmo da sua identidade. O crescimento da oferta da educação profissional integrada ao ensino médio protagonizada pelos Institutos Federais (IFs), criados em 2008, vem trazendo resultados interessantes diante dos grandes investimentos do Governo Federal. Dessa forma, novos mecanismos que subsidiem gestores no processo de tomada de decisão e na avaliação do binômio oferta-qualidade dessas instituições tornam-se cada vez mais necessários. Este artigo apresenta uma solução de mineração de dados para predição e estimação do desempenho dos alunos do Ensino Médio dos IFs. A técnica de regressão logística produziu modelos que geraram índices de propensão ao sucesso dos alunos; modelos esses avaliados pelas métricas AUC_ROC e Máx_KS. Para a extração do conhecimento em linguagem de especialista do domínio, árvores de decisão revelaram as condições para as melhores decisões sequenciais e a indução de regras identificou conjuntos de regras que caracterizam nichos de interesse. Essas regras foram avaliadas pelas métricas: confiança, suporte e lift. Os resultados mostram que a abordagem apresentada (Domain-Driven Data Mining) teve bom desempenho no modelo de propensão e nas regras para validação de políticas públicas. |
|
|
|
|
|
|
