REGRA DE ASSOCIAÇÃO COM O APRIORI PARA DETECTAR O PERFIL DO ALUNO EVASOR NO CURSO DE LICENCIATURA EM COMPUTAÇÃO

Gabriel Rosa; Diego Rodrigues

Gabriel Rosa Instituto Federal do Tocantins https://orcid.org/0000-0003-2600-2832
Diego Rodrigues Instituto Federal do Tocantins https://orcid.org/0000-0001-8396-1947

Résumé

Este artigo visa abordar a problemática da evasão aplicando técnicas de Mineração de Dados em um conjunto de informações coletadas a respeito de todos os acadêmicos já matriculados no curso de graduação em Licenciatura em Computação ofertado pelo Instituto Federal de Educação, Ciências e Tecnologia do Tocantins (IFTO) – Campus Dianópolis. Mineração de dados ou Data Mining é o processo de explorar grandes quantidades de dados utilizando algoritmos específicos na busca de padrões consistentes e conhecimentos válidos. O principal objetivo desta obra está atrelado em utilizar a linguagem R (R Studio) e seu algoritmo de regras de associação para identificar o perfil do aluno evasor matriculado entre o período de 2015 a 2018.

Bibliographies de l'auteur

Gabriel Rosa, Instituto Federal do Tocantins

Licenciado em Computação, IFTO.

Diego Rodrigues, Instituto Federal do Tocantins

Mestre em Modelagem Computacional de Sistemas, UFT.

Références

ARBEX, Eduardo Compasso; SABOREDO, Alexandre de Paiva; MIRANDA, Dhalila. Implementação e Estudo de caso do algoritmo Apriori para Mineração de Dados. Disponível em: <https://www.aedb.br/seget/arquivos/artigos04/193_artigo_SEGET.doc>

ATTAR, Akeel Al. Data mining – Beyond Algorithms. 1998.

BARANAUSKAS, José Augusto. Regras de Associação. Disponível em: <http://dcm.ffclrp.usp.br/~augusto/teaching/ami/AM-I-Regras-Associacao.pdf>

BRASIL. LEI N.º 10.741, DE 1.º DE OUTUBRO DE 2003. Disponível em: <http://bvsms.saude.gov.br/bvs/publicacoes/estatuto_idoso_2ed.pdf>

______. LEI Nº 12.852, DE 5 DE AGOSTO DE 2013. Disponível em: <http://prattein.com.br/home/images/stories/Juventude/Estatuto_da_Juventude.pdf>

______. RESOLUÇÃO CNE/CP Nº 1, DE 18 DE FEVEREIRO DE 2002. Disponível em: <http://portal.mec.gov.br/seesp/arquivos/pdf/res1_2.pdf>.

CORTÊS, Sérgio da Costa; PROCARO, Rosa Maria; LIFSCHITZ, Sérgio. Mineração de Dados – Funcionalidades, Técnicas e Abordagens. PUC-RioInf.MCC10/02 Maio, 2002.

DUTRA, J. S. Administração de carreiras: uma proposta para repensar a gestão de pessoas. São Paulo: Atlas, 1996.

FAYYAD, U. M., Piatetsky Shapiro, G., Smyth, P. & Uthurusamy, R. Advances in Knowledge Discovery and Data Mining. AAAIPress, The Mit Press, 1996.

Gartner report. Data Mining. Disponível em: <https://www.gartner.com/it-glossary/data-mining>.

GRINBERGAS, Daniella. Como o Big Data pode ser usado na educação: Como o uso de técnicas de análise de dados, escolas podem mapear o desempenho de seus alunos e melhorar a gestão administrativa, controlando problemas como a evasão. Revista Educação, edição 223, 2015.

INEP – INSTITUTO NACIONAL DE ESTUDOS E PESQUISAS EDUCACIONAIS ANÍSIO TEIXEIRA. Censo da educação superior 2011. Brasília: Inep; MEC, 2011. Disponível em: <http://goo.gl/tYbnLd>.

ROSA, Gabriel; SOBRINHO, Isaac P. F.; RODRIGUES, Diego. O Uso de Ferramentas de Mineração de dados como auxílio na Prevenção da Evasão nas Universidades. 8ª JICE, 2017. Disponível em: <http://propi.ifto.edu.br/ocs/index.php/jice/8jice/paper/view/8190>

R-PROJECT. O Projeto R para Computação Estatística. Disponível em: <https://www.r-project.org/>

STEINHILBER, Jorge. Licenciatura e/ou Bacharelado: Opções de graduação para intervenção profissional. Disponível em: <http://www.fae.br/2009/arquivos/educacaofisica_licenciaturaoubacharelado.pdf>.

VASCONCELOS, Lívia Maria Rocha de; CARVALHO, Cedric Luiz de. Aplicação de Regras de Associação para Mineração de Dados na Web. Technical Report, 2004. Disponível em: <http://www.portal.inf.ufg.br/sites/default/files/uploads/relatorios-tecnicos/RT-INF_004-04.pdf>