Um estudo comparativo de classificadores na previsão da evasão de alunos em EAD

Jorge Luis Cavalcanti Ramos, João Silva, Leonardo Prado, Alex Gomes, Rodrigo Rodrigues

Resumo


O uso de algoritmos de mineração de dados e de aprendizagem de máquina em contextos educacionais tem evoluído em razão da grande disponibilidade de dados geradas principalmente em ambientes virtuais de aprendizagem. Este estudo faz uma análise comparativa de cinco classificadores na tarefa de predição de alunos com risco de evasão em cursos de graduação por EAD. Os resultados apontaram uma pequena vantagem para o uso da Regressão Logística nos dados analisados, com taxas de sucesso acima de 90% no modelo preditivo.

Texto completo:

PDF


DOI: https://doi.org/10.5753/cbie.sbie.2018.1463