A mineração de dados como ferramenta para prevenção de evasão e retenção de alunos
Início:
- março de 2021
Docentes integrantes:
-
Fabio Yoshimitsu Okuyama
-
José Palazzo Moreira de Oliveira
-
Marcelo Augusto Rauh Schmitt
-
Márcia Amaral Corrêa Ughini Villarroel
-
Mariano Nicolao
-
Silvia de Castro Bertagnolli
Dicentes integrantes:
Descrição:
Os altíssimos índices de evasão e retenção de alunos nas instituições de ensino; o contexto pandêmico vivido a partir do ano de 2020 que levou ao uso significativo de AVAs; o fato de várias aplicações utilizarem Knowledge Discovery in Databases (KDD) para recuperação de informações significativas de bases de dados extensas; a necessidade de antecipar e prevenir riscos de evasão e retenção. Como desdobramento desta pesquisa, levanta-se a hipótese que técnicas de KDD e learning analytics possam ser aplicadas para previsão de estudantes com possibilidade de evasão ou retenção.
O objetivo geral deste projeto compreende desenvolver modelos e soluções tecnológicas para problemas de evasão e retenção de alunos enfrentados pelas instituições de ensino.
Como objetivos específicos tem-se:
- elaborar um modelo preditivo que indique, com máxima precisão possível, os estudantes com propensão à evasão e retenção;
- desenvolver um plugin para o Moodle, para que docentes e gestores possam identificar, em tempo real, estudantes com propensão à evasão e retenção,
- realizar estudos de caso no contexto do IFRS, em conjunto com docentes de diversos cursos do campus.
Redes Sociais