Modelagem e predição da situação acadêmica de alunos de educação a distância.

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. Neste trabalho mostramos resultados da aplicação de técnicas de aprendizado de m´aquina nesta tarefa, utilizando como atributos unicamente contagens de interações ao longo do tempo. Mostramos que redes bayesianas são adequadas ao problema. Vimos que a introdução de atributos derivados das contagens (e.g. médias) são úteis para previsões mais precisas quando a quantidade de dados é esparsa e que utilizando conjuntos de dados balanceados em relação a aprovados e reprovados aumenta a predição dos reprovados. Mostramos ainda a possibilidade de treinar os modelos em diferentes situações, como entre turmas e entre semestres diferentes.