Predição do rendimento dos alunos em lógica de programação com base no desempenho das disciplinas do primeiro período do curso de ciências e tecnologia utilizando técnicas de mineração de dados
The high rates of university student disapproval and dropout in the initial courses of programming present a worrying statistics faced by the coordinators of the Technology programs. The problem of students disapproval is often pointed as an influential factor in dropping out of university programs....
Na minha lista:
Principais autores: | , , , , |
---|---|
Formato: | article |
Idioma: | pt_BR |
Publicado em: |
Brazilian Journal of Development
|
Assuntos: | |
Endereço do item: | https://repositorio.ufrn.br/handle/123456789/30940 |
Tags: |
Adicionar Tag
Sem tags, seja o primeiro a adicionar uma tag!
|
id |
ri-123456789-30940 |
---|---|
record_format |
dspace |
spelling |
ri-123456789-309402020-12-13T08:01:59Z Predição do rendimento dos alunos em lógica de programação com base no desempenho das disciplinas do primeiro período do curso de ciências e tecnologia utilizando técnicas de mineração de dados Predicting student performance in programming logic based on the performance of first-course science and technology subjects using data mining techniques Barros, Renata Pitta Santana Junior, Orivaldo Vieira de Silva, Igor Rosberg de Medeiros Santos, Luana Fernandes dos Câmara Neto, Vilson Rodrigues Ciência de dados educacionais Aprendizado de máquina Dados educacionais The high rates of university student disapproval and dropout in the initial courses of programming present a worrying statistics faced by the coordinators of the Technology programs. The problem of students disapproval is often pointed as an influential factor in dropping out of university programs. This work proposes the use of techniques of Educational Data Mining to predict the performance of students in the course of Programming Logic, of the second period of the Bachelor of Science and Technology program at UFRN, based on performance in the courses of the first period of that program. The results showed that it is possible to infer students performance with an accuracy of up to 77%, this information being useful for planning actions to avoid disapproval/dropout and, especially, to personalize the teaching of programming logic Os altos índices de reprovação e evasão de estudantes universitários nas disciplinas iniciais de programação apresentam uma estatística preocupante enfrentada pelos coordenadores dos cursos da área de Tecnologia. O problema da reprovação dos estudantes nessas disciplinas é, muitas vezes, apontado como um fator influenciador da evasão dos cursos. Esta pesquisa propõe a utilização de técnicas de Mineração de Dados Educacionais para tentar predizer o desempenho dos alunos na disciplina de Lógica de Programação, do segundo período do curso de Bacharelado em Ciências e Tecnologia da UFRN, através do desempenho nas disciplinas do primeiro período do curso. Os resultados mostraram que é possível inferir o rendimento dos estudantes com uma acurácia de até 77%, sendo esta informação útil para a realização de ações para evitar a reprovação/evasão e, principalmente, para personalizar o ensino de lógica de programação 2020-12-09T17:30:47Z 2020-12-09T17:30:47Z 2020 article BARROS, Renata Pitta; SANTANA JUNIOR, Orivaldo Vieira; SILVA, Igor Rosberg de Medeiros; SANTOS, Luana Fernandes; CÂMARA NETO, Vilson Rodrigues. Predição do rendimento dos alunos em lógica de programação com base no desempenho das disciplinas do primeiro período do curso de ciências e tecnologia utilizando técnicas de mineração de dados. Brazilian Journal Of Development, [S.L.], v. 6, n. 1, p. 2523-2534, 2020. Disponível em: https://www.brazilianjournals.com/index.php/BRJD/article/view/6167/5484. Acesso em: 07 out. 2020. http://dx.doi.org/10.34117/bjdv6n1-186. 2525-8761 https://repositorio.ufrn.br/handle/123456789/30940 10.34117/bjdv6n1-186 pt_BR Attribution-NonCommercial 3.0 Brazil http://creativecommons.org/licenses/by-nc/3.0/br/ application/pdf Brazilian Journal of Development |
institution |
Repositório Institucional |
collection |
RI - UFRN |
language |
pt_BR |
topic |
Ciência de dados educacionais Aprendizado de máquina Dados educacionais |
spellingShingle |
Ciência de dados educacionais Aprendizado de máquina Dados educacionais Barros, Renata Pitta Santana Junior, Orivaldo Vieira de Silva, Igor Rosberg de Medeiros Santos, Luana Fernandes dos Câmara Neto, Vilson Rodrigues Predição do rendimento dos alunos em lógica de programação com base no desempenho das disciplinas do primeiro período do curso de ciências e tecnologia utilizando técnicas de mineração de dados |
description |
The high rates of university student disapproval and dropout in the initial courses of programming present a worrying statistics faced by the coordinators of the Technology programs. The problem of students disapproval is often pointed as an influential factor in dropping out of university programs. This work proposes the use of techniques of Educational Data Mining to predict the performance of students in the course of Programming Logic, of the second period of the Bachelor of Science and Technology program at UFRN, based on performance in the courses of the first period of that program. The results showed that it is possible to infer students performance with an accuracy of up to 77%, this information being useful for planning actions to avoid disapproval/dropout and, especially, to personalize the teaching of programming logic |
format |
article |
author |
Barros, Renata Pitta Santana Junior, Orivaldo Vieira de Silva, Igor Rosberg de Medeiros Santos, Luana Fernandes dos Câmara Neto, Vilson Rodrigues |
author_facet |
Barros, Renata Pitta Santana Junior, Orivaldo Vieira de Silva, Igor Rosberg de Medeiros Santos, Luana Fernandes dos Câmara Neto, Vilson Rodrigues |
author_sort |
Barros, Renata Pitta |
title |
Predição do rendimento dos alunos em lógica de programação com base no desempenho das disciplinas do primeiro período do curso de ciências e tecnologia utilizando técnicas de mineração de dados |
title_short |
Predição do rendimento dos alunos em lógica de programação com base no desempenho das disciplinas do primeiro período do curso de ciências e tecnologia utilizando técnicas de mineração de dados |
title_full |
Predição do rendimento dos alunos em lógica de programação com base no desempenho das disciplinas do primeiro período do curso de ciências e tecnologia utilizando técnicas de mineração de dados |
title_fullStr |
Predição do rendimento dos alunos em lógica de programação com base no desempenho das disciplinas do primeiro período do curso de ciências e tecnologia utilizando técnicas de mineração de dados |
title_full_unstemmed |
Predição do rendimento dos alunos em lógica de programação com base no desempenho das disciplinas do primeiro período do curso de ciências e tecnologia utilizando técnicas de mineração de dados |
title_sort |
predição do rendimento dos alunos em lógica de programação com base no desempenho das disciplinas do primeiro período do curso de ciências e tecnologia utilizando técnicas de mineração de dados |
publisher |
Brazilian Journal of Development |
publishDate |
2020 |
url |
https://repositorio.ufrn.br/handle/123456789/30940 |
work_keys_str_mv |
AT barrosrenatapitta predicaodorendimentodosalunosemlogicadeprogramacaocombasenodesempenhodasdisciplinasdoprimeiroperiododocursodecienciasetecnologiautilizandotecnicasdemineracaodedados AT santanajuniororivaldovieirade predicaodorendimentodosalunosemlogicadeprogramacaocombasenodesempenhodasdisciplinasdoprimeiroperiododocursodecienciasetecnologiautilizandotecnicasdemineracaodedados AT silvaigorrosbergdemedeiros predicaodorendimentodosalunosemlogicadeprogramacaocombasenodesempenhodasdisciplinasdoprimeiroperiododocursodecienciasetecnologiautilizandotecnicasdemineracaodedados AT santosluanafernandesdos predicaodorendimentodosalunosemlogicadeprogramacaocombasenodesempenhodasdisciplinasdoprimeiroperiododocursodecienciasetecnologiautilizandotecnicasdemineracaodedados AT camaranetovilsonrodrigues predicaodorendimentodosalunosemlogicadeprogramacaocombasenodesempenhodasdisciplinasdoprimeiroperiododocursodecienciasetecnologiautilizandotecnicasdemineracaodedados AT barrosrenatapitta predictingstudentperformanceinprogramminglogicbasedontheperformanceoffirstcoursescienceandtechnologysubjectsusingdataminingtechniques AT santanajuniororivaldovieirade predictingstudentperformanceinprogramminglogicbasedontheperformanceoffirstcoursescienceandtechnologysubjectsusingdataminingtechniques AT silvaigorrosbergdemedeiros predictingstudentperformanceinprogramminglogicbasedontheperformanceoffirstcoursescienceandtechnologysubjectsusingdataminingtechniques AT santosluanafernandesdos predictingstudentperformanceinprogramminglogicbasedontheperformanceoffirstcoursescienceandtechnologysubjectsusingdataminingtechniques AT camaranetovilsonrodrigues predictingstudentperformanceinprogramminglogicbasedontheperformanceoffirstcoursescienceandtechnologysubjectsusingdataminingtechniques |
_version_ |
1773962715000209408 |