Mineração de dados educacionais dos alunos da Fatec Araraquara.

Abstract

Na área de educação, gestores e educadores dispõem de grandes conjuntos de dados que descrevem diversas características dos estudantes. Extrair informações relevantes manualmente de conjuntos extensos é praticamente inviável, sendo necessárias técnicas automatizadas que auxiliem a análise desses dados. Neste contexto, a mineração de dados educacionais visa explorar conjuntos de dados coletados em ambientes educacionais para obter padrões relevantes que caracterizem o perfil dos estudantes e do processo de ensino-aprendizagem. Este artigo expõe o trabalho feito para identificar o perfil dos estudantes evadidos da Fatec Araraquara e realizar uma análise preditiva para os possíveis evasores, respeitando o princípio de segurança da confidencialidade. Para isso, foram usados os algoritmos K-modes e J48, com J48 apresentando 94,66% de eficácia na predição.

In the area of education, managers and educators have extensive data sets that describe different characteristics of students. Extracting relevant information manually from large sets is practically unfeasible, requiring automated techniques to help analyze this data. In this context, educational data mining aims to explore datasets collected in educational environments to obtain relevant patterns that characterize the profile of students and the teaching-learning process. This article exposes the work done to identify the profile of students who dropped out of Fatec Araraquara and carried out a predictive analysis for possible dropouts, respecting the security principle of confidentiality. For this, the K-modes and J48 algorithms were used, with J48 presenting 94.66% of prediction efficiency.