Uma Abordagem Temporal para Identificação Precoce de Estudantes de Graduação a Distância com Risco de Evasão em um AVA utilizando Árvores de Decisão

Resumo

Este trabalho descreve uma abordagem que objetiva a identificação precoce de estudantes de graduação a distância com risco de evasão utilizando técnicas de mineração de dados conhecidas como Árvores de Decisão. Essas técnicas permitem o entendimento do funcionamento interno do modelo, possibilitando a descoberta das disciplinas que mais influenciam na evasão do curso de graduação. Este conhecimento pode ser usado para prever o desempenho acadêmico nestas disciplinas no AVA. Foram utilizados algoritmos de Árvores de Decisão nos experimentos no SCA e o AVA, os quais forneceram acurácias médias de 80% na predição da evasão ou graduação do curso, utilizando apenas as primeiras notas semestrais. No AVA, como melhor resultado, foi obtida uma acurácia de 89,47% na predição do desempenho de uma disciplina.