Modelagem e Predição de Reprovação de Acadêmicos de Cursos de Educação a Distância a partir da Contagem de Interações

Resumo

As altas taxas de reprovação e evasão de estudantes são frequentemente apontadas como dois dos principais obstáculos enfrentados na implementação e consolidação de cursos de Educação a Distância.  A identificação com antecedência de estudantes em risco pode auxiliar de maneira decisiva o trabalho de professores e tutores que teriam a oportunidade de fornecer assistência personalizada a esses acadêmicos antes dos mesmos reprovarem ou evadirem de seus cursos. O presente trabalho descreve resultados da aplicação de técnicas de aprendizado de máquina nesta tarefa, utilizando como atributos unicamente contagens de interações. Os experimentos realizados demonstraram a viabilidade de utilizar apenas a quantidade de interações dos alunos para gerar predições razoavelmente precisas e que a introdução de atributos derivados das contagens (e.g. médias) é útil para previsões mais precisas quando a quantidade de dados é esparsa. Ainda, demonstrou-se também que as redes bayesianas se mostraram o modelo mais adequado entre os modelos testados e que é possível treinar o modelo utilizando diferentes fontes de exemplos, como entre turmas e entre semestres diferentes. A abordagem apresentada aqui é aplicável virtualmente a qualquer situação onde é possível contar interações de qualquer tipo, uma vez que não utiliza atributos específicos relacionados aos tipos de interação