Predição de Reprovação de Alunos de Educação a Distância Utilizando Contagem de Interações

Resumo

A possibilidade de prever com antecedência o risco de reprovação de um estudante em um curso a distância é de grande valia para professores e tutores, que podem adequar seus métodos para evitar a reprovação. Neste trabalho mostramos resultados da aplicação de técnicas de aprendizado de máquina nesta tarefa, utilizando como atributos unicamente contagens de interações ao longo do tempo. Mostramos que redes bayesiana são adequadas ao problema e que a introdução de atributos derivados das contagens (e.g. médias) são úteis para previsões mais precisas quando a quantidade de dados é esparsa. Mostramos ainda a possibilidade de treinar os modelos em diferentes situações, como entre turmas e entre semestres diferentes.