Please use this identifier to cite or link to this item: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/12715
Title: Uma abordagem computacional de predição de desempenho acadêmico de estudantes em cursos on-line de programação.
Other Titles: A computational approach to predict academic performance of students in online programming courses.
???metadata.dc.creator???: ARAÚJO, Fabrísia Ferreira de.
???metadata.dc.contributor.advisor1???: SILVA, Leandro Dias da.
???metadata.dc.contributor.advisor-co1???: COSTA, Evandro de Barros.
???metadata.dc.contributor.referee1???: ARAÚJO, Joseana Macêdo Fechine Régis de.
???metadata.dc.contributor.referee2???: GUERRERO, Dalton Dario Serey.
???metadata.dc.contributor.referee3???: FERNEDA, Edilson.
???metadata.dc.contributor.referee4???: BRITO, Patrick Henrique da Silva.
???metadata.dc.contributor.referee5???: GUTIERREZ, María Del Rosario Girardi.
Keywords: Mineração de Dados Educacionais;Educational Data Mining;Minería de Datos Educativos;Modelos Preditivos;Modelos Predictivos;Predictive Models;Educação On-Line;Online Education;Educación en Línea;Aprendizagem On-Line;Aprendizaje en Línea;Online Learning
Issue Date: 23-May-2019
Publisher: Universidade Federal de Campina Grande
Citation: ARAÚJO, F. F. de. Uma abordagem computacional de predição de desempenho acadêmico de estudantes em cursos on-line de programação. 2019. 146 f. Tese (Doutorado em Sistemas e Computação), Programa de Pós-graduação em Ciência da Computação, Centro de Engenharia Elétrica e Informática, Universidade Federal de Campina Grande - Paraíba - Brasil, 2019.
???metadata.dc.description.resumo???: Há um alto índice de insucesso em algumas disciplinas iniciais nos cursos de graduação em computação, tanto na modalidade presencial quanto a distância, notadamente em disciplinas de Programação e Matemática. Recentemente, tem se percebido como tendência que a execução de tais disciplinas na modalidade presencial seja associada a uma complementação online, tendo deste modo tal como ocorre na educação a distância, um ambiente virtual de aprendizagem vinculado, o qual viabiliza interações entre estudantes e professores, potencialmente produzindo uma grande quantidade de dados. Neste contexto, surge um problema de pesquisa amplo e importante que é o de como aplicar mineração de dados, via modelagem preditiva, para gerar informação de alta qualidade: correta, oportuna e útil, permitindo, por exemplo, subsidiar efetivamente o processo de decisões pedagógicas a serem tomadas por professores, possibilitando contribuir na redução do mencionado índice de insucesso. Neste sentido, o objetivo geral da presente pesquisa é propor uma abordagem preditiva para identificar, o mais cedo possível, estudantes com risco de insucesso acadêmico, focalizando-se disciplinas de programação introdutória, levando-se em consideração a confiabilidade e compreensibilidade dos modelos produzidos. Nesta abordagem, privilegiou-se modelos preditivos do tipo caixa branca, tendo em vista o potencial de tais modelos no atendimento ao requisito de compreensibilidade. Para avaliar a abordagem proposta, realizou-se vários estudos empíricos, utilizando-se dados de estudantes de uma instituição pública de ensino superior, associados a disciplinas de programação, além de dados socioeconômicos e demográficos. Deste modo, os resultados obtidos mostraram a viabilidade e efetividade da abordagem proposta, tanto no que diz respeito à qualidade da predição, quanto na indicação da influência dos atributos selecionados. Portanto, concluiu-se que o modelo é capaz de realizar predição antecipada com acurácia satisfatória dentro dos padrões comparativos da literatura e com boa interpretabilidade, sendo assim, útil para auxiliar em tomadas de decisões pedagógicas por parte dos professores.
Abstract: There is a high failure rate in some initial disciplines in computing undergraduate courses, both in face-to-face and distance modalities, especially in programming and mathematics disciplines. Recently, it has been perceived as a tendency that the execution of such disciplines in the face-to-face modality has been associated to an online complementation, thus having, as it happens in distance education, a virtual learning environment linked, which enables interactions between students and teachers, potentially producing a large amount of data. In this context, a broad and important research problem arises that is how to apply data mining, via predictive modeling, to generate high quality information: correct, timely and useful, allowing, for example, effectively subsidize the process of pedagogical decisions to be taken by teachers, aiming to contribute to the reduction of the mentioned failure rate. In this sense, the overall objective of this research is to design and develop a predictive approach to identify, as soon as possible, students who may be at risk of failing or dropping introductory programming courses, taking into consideration to generate reliable and comprehensible prediction models. In this approach, we gave priority to white-box predictive models, appreciating that this type of model is potentially more adequate to offer comprehensibility in terms of information in the model. To evaluate the proposed approach, we conducted several empirical studies using academic data of students from a public university, as well as socioeconomic and demographic data. Thus, the obtained results showed the feasibility and effectiveness of the proposed approach, both with respect to the quality of the prediction, as well as in the indication of the influence of the selected attributes. Therefore, it was concluded that the model is interpretable and able to perform prediction with satisfactory accuracy within the comparative standards of the literature and, thus, it is useful to aid in pedagogical decision making by the teachers.
Keywords: Mineração de Dados Educacionais
Educational Data Mining
Minería de Datos Educativos
Modelos Preditivos
Modelos Predictivos
Predictive Models
Educação On-Line
Online Education
Educación en Línea
Aprendizagem On-Line
Aprendizaje en Línea
Online Learning
???metadata.dc.subject.cnpq???: Ciência da Computação
URI: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/12715
Appears in Collections:Doutorado em Ciência da Computação.

Files in This Item:
File Description SizeFormat 
FABRÍSIA FERREIRA DE ARAÚJO - TESE (PPGCC) 2019.pdf3.63 MBAdobe PDFView/Open


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