Use este identificador para citar ou linkar para este item: http://www.monografias.ufop.br/handle/35400000/4384
Registro completo de metadados
Campo Dublin CoreValorIdioma
dc.contributor.advisorOliveira, Fernando Bernardes dept_BR
dc.contributor.advisorSilva, Felipe Coelhopt_BR
dc.contributor.authorGonçalves, Anna Paula Figueiredo-
dc.date.accessioned2022-07-20T18:20:23Z-
dc.date.available2022-07-20T18:20:23Z-
dc.date.issued2022pt_BR
dc.identifier.citationGONÇALVES, Anna Paula Figueiredo. Definição de um modelo de Inteligência Artificial para a identificação do padrão curricular dos alunos do ICEA. 2022. 73 f. Monografia (Graduação em Sistemas de Informação) - Instituto de Ciências Exatas e Aplicadas, Universidade Federal de Ouro Preto, João Monlevade, 2022.pt_BR
dc.identifier.urihttp://www.monografias.ufop.br/handle/35400000/4384-
dc.description.abstractEste trabalho apresenta uma metodologia capaz de identificar o perfil dos alunos do Instituto de Ciências Exatas e Aplicadas (ICEA) em relação ao comportamento curricular com foco no sucesso acadêmico. Através da utilização de técnicas de Artificial Intelligence (AI) e Educational Data Mining (EDM) é possível identificar precocemente os discentes com maior probabilidade de evadir do Instituto. Este problema foi abordado neste trabalho com o desenvolvimento de Modelos de Machine Learning (ML) baseados na Random Forest. Foram desenvolvidos diversos modelos em diferentes cenários de tal modo a atender de forma eficiente o contexto acadêmico do ICEA. Alguns métodos de Feature Selections foram utilizados para compreender as características importantes na tomada de decisão do modelo, de modo a aperfeiçoar o desempenho e os resultados. O cenário que teve o melhor resultado foi o que combinou as variáveis pré e pós universidade, com o método de seleção de características Recursive Feature Elimination (RFE), que atingiu aproximadamente 80% de acurácia. Para compreender os resultados do modelo desenvolvido, foi empregue a visualização das variáveis que tiveram impacto relevante no desenvolvimento do modelo por meio da estratégia Shapley Aditive Explanations (SHAP).pt_BR
dc.language.isopt_BRpt_BR
dc.subjectInteligência artificial - aplicações educacionaispt_BR
dc.subjectProgramação orientada a dados - computaçãopt_BR
dc.subjectMineração de dados - computaçãopt_BR
dc.subjectEvasão universitáriapt_BR
dc.titleDefinição de um modelo de inteligência artificial para a identificação do padrão curricular dos alunos do ICEA.pt_BR
dc.typeTCC-Graduaçãopt_BR
dc.contributor.refereeLima, Helen de Cássia Sousa da Costapt_BR
dc.contributor.refereeTorres, Luiz Carlos Bambirrapt_BR
dc.contributor.refereeOliveira, Fernando Bernardes dept_BR
dc.contributor.refereeSilva, Felipe Coelhopt_BR
dc.description.abstractenThis work presents an efficient methodology to describe the students profile regarding the students curriculum behavior, focused on academic success. Through the use of techniques of Artificial Intelligence (AI) and Educational Data Mining (EDM), is possible early identification of students with higher chances to drop out of the Institute. This problem has been addressed in this work as development of Machine Learning (ML), the base algorithm implemented was the Random Forest. Several Models were developed in different scenarios in order to better serve the Instituto de Ciências Exatas e Aplicadas (ICEA) academic context. Some methods of Feature Selection were used, to understand the important characteristics in the decision making of the Model, in order to optimize the performance and the results. The scenario that had the best result was the one that combined the pre and post university variables with the Recursive Feature Elimination (RFE), feature selection method, which reached approximately 80% accuracy. In order to understand the model’s results, the view of variables that had relevant impact on its decisions was applied, using the strategy of Shapley Aditive Explanations (SHAP).pt_BR
dc.contributor.authorID17.2.8330pt_BR
Aparece nas coleções:Sistema de Informação - JMV

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
MONOGRAFIA_DefiniçãoMoodeloInteligência.pdf2,52 MBAdobe PDFVisualizar/Abrir


Este item está licenciado sob uma Licença Creative Commons Creative Commons