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

Mostrar outras versões (1)

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 program...

ver descrição completa

Na minha lista:
Detalhes bibliográficos
Principais autores: Santana Junior, Orivaldo Vieira de, Barros, Renata Pitta, Silva, Igor Rosberg de Medeiros, Santos, Luana Fernandes dos, Câmara Neto, Vilson Rodrigues
Formato: article
Idioma:pt_BR
Publicado em: Brazilian Journal Of Development - Publicação Independente
Assuntos:
ciência de dados educacionais
dados educacionais
educational data science
aprendizado de máquina
machine learning
educational data
Endereço do item:https://repositorio.ufrn.br/handle/123456789/30965
http://dx.doi.org/10.34117/bjdv6n1-186
Tags: Adicionar Tag
Sem tags, seja o primeiro a adicionar uma tag!
id ri-123456789-30965
record_format dspace
spelling ri-123456789-309652020-12-13T08:01:41Z 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 Santana Junior, Orivaldo Vieira de Barros, Renata Pitta Silva, Igor Rosberg de Medeiros Santos, Luana Fernandes dos Câmara Neto, Vilson Rodrigues ciência de dados educacionais dados educacionais educational data science aprendizado de máquina machine learning educational data 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. 2020-12-11T17:22:42Z 2020-12-11T17:22:42Z 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. Brazilian Journal of Development. http://dx.doi.org/10.34117/bjdv6n1-186. Disponível em: https://www.brazilianjournals.com/index.php/BRJD/article/view/6167/5484. Acesso em: 16 out. 2020. 2525-8761 https://repositorio.ufrn.br/handle/123456789/30965 http://dx.doi.org/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 - Publicação Independente
institution Repositório Institucional
collection RI - UFRN
language pt_BR
topic ciência de dados educacionais
dados educacionais
educational data science
aprendizado de máquina
machine learning
educational data
spellingShingle ciência de dados educacionais
dados educacionais
educational data science
aprendizado de máquina
machine learning
educational data
Santana Junior, Orivaldo Vieira de
Barros, Renata Pitta
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 Santana Junior, Orivaldo Vieira de
Barros, Renata Pitta
Silva, Igor Rosberg de Medeiros
Santos, Luana Fernandes dos
Câmara Neto, Vilson Rodrigues
author_facet Santana Junior, Orivaldo Vieira de
Barros, Renata Pitta
Silva, Igor Rosberg de Medeiros
Santos, Luana Fernandes dos
Câmara Neto, Vilson Rodrigues
author_sort Santana Junior, Orivaldo Vieira de
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 - Publicação Independente
publishDate 2020
url https://repositorio.ufrn.br/handle/123456789/30965
http://dx.doi.org/10.34117/bjdv6n1-186
work_keys_str_mv AT santanajuniororivaldovieirade predicaodorendimentodosalunosemlogicadeprogramacaocombasenodesempenhodasdisciplinasdoprimeiroperiododocursodecienciasetecnologiautilizandotecnicasdemineracaodedados
AT barrosrenatapitta predicaodorendimentodosalunosemlogicadeprogramacaocombasenodesempenhodasdisciplinasdoprimeiroperiododocursodecienciasetecnologiautilizandotecnicasdemineracaodedados
AT silvaigorrosbergdemedeiros predicaodorendimentodosalunosemlogicadeprogramacaocombasenodesempenhodasdisciplinasdoprimeiroperiododocursodecienciasetecnologiautilizandotecnicasdemineracaodedados
AT santosluanafernandesdos predicaodorendimentodosalunosemlogicadeprogramacaocombasenodesempenhodasdisciplinasdoprimeiroperiododocursodecienciasetecnologiautilizandotecnicasdemineracaodedados
AT camaranetovilsonrodrigues predicaodorendimentodosalunosemlogicadeprogramacaocombasenodesempenhodasdisciplinasdoprimeiroperiododocursodecienciasetecnologiautilizandotecnicasdemineracaodedados
AT santanajuniororivaldovieirade predictingstudentperformanceinprogramminglogicbasedontheperformanceoffirstcoursescienceandtechnologysubjectsusingdataminingtechniques
AT barrosrenatapitta predictingstudentperformanceinprogramminglogicbasedontheperformanceoffirstcoursescienceandtechnologysubjectsusingdataminingtechniques
AT silvaigorrosbergdemedeiros predictingstudentperformanceinprogramminglogicbasedontheperformanceoffirstcoursescienceandtechnologysubjectsusingdataminingtechniques
AT santosluanafernandesdos predictingstudentperformanceinprogramminglogicbasedontheperformanceoffirstcoursescienceandtechnologysubjectsusingdataminingtechniques
AT camaranetovilsonrodrigues predictingstudentperformanceinprogramminglogicbasedontheperformanceoffirstcoursescienceandtechnologysubjectsusingdataminingtechniques
_version_ 1773961524086308864

Registros relacionados