Zur Kurzanzeige

dc.contributor.advisorCorso, Leandro Luís
dc.contributor.authorDall Agnol, Jonas Miguel
dc.contributor.otherMichels, Alexandre Fassini
dc.contributor.otherVieceli, Alexandre
dc.contributor.otherCosta, Guilherme Holsbach
dc.date.accessioned2021-01-06T12:55:50Z
dc.date.available2021-01-06T12:55:50Z
dc.date.issued2021-01-05
dc.date.submitted2019-08-30
dc.identifier.urihttps://repositorio.ucs.br/11338/6749
dc.descriptionDepois de um forte crescimento nas últimas duas décadas o mercado do ensino superior passa por um período de estagnação, sendo necessária, neste contexto, a retenção dos acadêmicos que já fazem parte de sua base de estudantes. Este trabalho contribui neste cenário por meio da identificação dos acadêmicos da Área de Ciências Exatas e Engenharias de uma Instituição de Ensino Superior da Serra Gaúcha que possuem maior propensão à evasão dos estudos, utilizando sua base de dados e a Inteligência Artificial, com o modelo Redes Neurais Artificiais (RNAs). Primeiramente foram mapeados aspectos financeiros, acadêmicos e sociais disponibilizados de 2006 a 2018, seguindo pela etapa de tratamento de dados, na qual apenas as interrupções causadas por troca de currículo foram descartadas. Os dados foram então processados em uma RNA de topologia perceptron, de tal maneira a obter acurácia de 93% na identificação do padrão de tendência à evasão dos estudos (conjunto de validação). Também foram realizados processamentos por tipo de graduação, que apresentam resultados igualmente satisfatórios em termos de reconhecimento de padrões. Soma-se a esta avaliação o comportamento adequado da curva ROC (Receiver Operating Characteristic) e os baixos índices de correlação entre fatores e matriz-alvo que comprovam, desta maneira, que a técnica RNAs de topologia backpropagation pode ser uma importante aliada nas tomadas de decisão de instituições no que tange a gestão da retenção discente.pt_BR
dc.description.abstractAfter a strong growth in the last two decades the market of the higher education goes through a period of stagnation, being necessary, in this context, the retention of the academics that already are part of its base of students. This work contributes in this scenario through the identification of the academics of the Area of Exact Sciences and Engineering of a Higher Education Institution of the Serra Gaúcha who are more likely to avoid studies using their database and Artificial Intelligence, with the Neural Networks model Artificial (RNAs). Firstly, financial, academic and social aspects were mapped from 2006 to 2018, followed by the data processing stage, where only the interruptions caused by curriculum change were discarded. The data were then processed in a perceptron topology RNA, in order to obtain a 93% accuracy in the identification of the tendency pattern to evasion of the studies (validation set). Also performed were by type of graduation, which have similarly satisfactory results in terms of pattern recognition. It is added to this evaluation the appropriate behavior of the Receiver Operating Characteristic (ROC) curve and the low correlation coefficients between factors and target matrix, which confirm that the RNA technique of backpropagation topology can be an important ally in the decisions of institutions regarding the management of student retention.en
dc.language.isoptpt_BR
dc.subjectRedes neurais (Computação)pt_BR
dc.subjectInteligência artificialpt_BR
dc.subjectEvasão universitáriapt_BR
dc.subjectNeural networks (Computer science)en
dc.subjectArtificial intelligenceen
dc.subjectUniversity dropouten
dc.titleInteligência artificial aplicada ao reconhecimento de padrões da evasão de estudantes da área de ciências exatas em uma instituição de ensino superiorpt_BR
dc.typeDissertaçãopt_BR
mtd2-br.advisor.instituationUniversidade de Caxias do Sulpt_BR
mtd2-br.advisor.latteshttp://lattes.cnpq.br/4302384367994343pt_BR
mtd2-br.author.lattesAGNOL, J. M. D.pt_BR
mtd2-br.program.namePrograma de Pós-Graduação em Engenharia Mecânicapt_BR
mtd2-br.contributor.coorientadorLuciano, Marcos Alexandre


Dateien zu dieser Ressource

Thumbnail

Das Dokument erscheint in:

Zur Kurzanzeige