Uma abordagem preditiva da evasão na educação a distância por meio de técnicas de mineração de dados educacionais.
2025
SEPÚLVIDA, W. R. | FERNEDA, E. | HELLO, F. A. | SIQUEIRA, J. | KNEIP, D. H. P. A. | WESLLEY RODRIGUES SEPÚLVIDA, UNIVERSIDADE CATÓLICA DE BRASÍLIA; EDILSON FERNEDA, UNIVERSIDADE CATÓLICA DE BRASÍLIA; FERNANDO ANTONIO HELLO, GGINT; JOYCE SIQUEIRA, UNIVERSIDADE CATÓLICA E BRASÍLIA; DJENNIFER HIPÓLITO PORTUGAL AMÂNCIO KNEIP, UNIVERSIDADE CATÓLICA DE BRASÍLIA.
A Educação a Distância tem se consolidado como a principal escolha dos estudantes no Brasil, impulsionada por um crescimento expressivo na última década. No entanto, esse avanço trouxe o desafio da evasão estudantil, que compromete o desenvolvimento educacional e social, afeta investimentos públicos e privados e limita o crescimento individual e coletivo dos estudantes. Nesse contexto, a Mineração de Dados Educacionais (Educational Data Mining - EDM) surge como uma estratégia eficaz para desenvolver modelos preditivos que auxiliem na redução da evasão em cursos de EAD. Este estudo analisa o comportamento de estudantes evadidos em cursos de graduação de uma universidade do Centro-Oeste, utilizando dados do Ambiente Virtual de Aprendizagem (AVA) e do Sistema de Gestão Acadêmica (SGA) para apoiar decisões preventivas.
显示更多 [+] 显示较少 [-]