Work

Modelos complexos de predição aplicados na educação

Year: 2015
Type: dissertation
Abstract: A presente tese apresenta a compilação de cinco artigos que empregam modelos complexos de predição na solução de problemas relacionados à educação. No primeiro artigo é apresentado os modelos de classification and regression trees, bagging, random forest e boosting. Esses modelos são empregados para montar um sistema preditivo de rendimento acadêmico de alunos do ensino superior de uma faculdade particular, tendo uma série de avaliações cognitivas como preditores. Já o segundo artigo emprega o modelo de random forest para predizer o desempenho escolar de alunos do primeiro ano do ensino médio da rede pública. Uma vez mais, um conjunto de avaliações cognitivas foram utilizadas. Já no terceiro artigo, apresentamos uma nova forma de visualizar a qualidade de predições realizadas utilizando a técnica de random forest. Essa nova técnica de visualização transforma informações estatísticas em um gráfico de redes, que possibilita o emprego de um conjunto de indicadores sobre a qualidade da predição, além dos usualmente empregados. No quarto artigo, apresentamos a técnica de random forest como uma nova forma de realizar imputação de dados faltantes. Investigamos o impacto da imputação no ajuste de itens de um teste cognitivo ao modelo dicotômico de Rasch, assim como na dificuldade estimada dos itens. No quinto e último artigo, comparamos o modelo de classification trees com o modelo Naive Bayes na predição de evasão acadêmica de alunos de uma faculdade pública estadual, tendo como preditores variáveis socioeconômicas. Esses artigos introduzem um conjunto de métodos quantitativos que pode auxiliar na resolução de problemas na área da educação, assim como podem levar a novas descobertas, não possibilitadas por meio de métodos usuais.
Language: Portuguese
Open Access status: green
OpenAlex ID: W2974140208
Cites:
Cited by:
Related to: 10