|
Abstract:
|
As taxas reprovação e evasão escolar são problemas que afligem cursos dentro das uni-
versidades causando um impacto negativo na jornada acadêmica do aluno, como perda
de motivação e oportunidades. Identificar os estudantes que estão em risco de reprovação
ou evasão a tempo de tomar uma medida que possa auxiliar a normalização do aluno
na disciplina pode ser um desafio. Focando nisto, o trabalho propõem o desenvolvimento
de um de um método, inserido dentro do plugin Moodle Analytics Dashboard, para clas-
sificação de estudantes em risco. O modelo preditivo foi criado com base em pesquisas
publicadas que apontam a possibilidade de criar modelos tendo como base apenas as
interações semanais dos alunos. O método foi avaliado em duas disciplinas e as predições
tiveram uma acurácia média nas cinco primeiras semanas de 56.2% crescendo para 76.5%
nas ultimas três semanas. A causa mais provável da baixa qualidade das predições é dada
pelo problema de portabilidade de modelos visto que o treinamento foi realizado com
disciplinas não similares. No geral o trabalho demonstra como o aprendizado de máquina
pode auxiliar os alunos e traz ideias para trabalhos futuros. |
