Mineração de Dados Educacionais: Previsão de notas parciais utilizando classificação

Primeiro coorientador
dc.contributor.advisor-co1
Oliveira, David
Currículo Lattes do primeiro coorientador
dc.contributor.advisor-co1Lattes
http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4765988D5por
Primeiro orientador
dc.contributor.advisor1
Nakamura, Fabíola Guerra
Currículo Lattes do primeiro orientador
dc.contributor.advisor1Lattes
http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4795362A0por
Primeiro membro da banca
dc.contributor.referee1
Oliveira, Elaine
Segundo membro da banca
dc.contributor.referee2
Oliveira, David
Terceiro membro da banca
dc.contributor.referee3
Carvalho, Leandro
Autor
dc.creator
Sousa, Marília Maria Bastos de Araújo Cavalcanti Feitosa Fava de
Currículo Lattes do autor
dc.creator.Lattes
http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K8700858D4por
Data de defesa/publicação
dc.date.issued
2017-09-29
Resumo / Abstract
dc.description.abstract
The present work introduces the Educational Data Mining and an experiment involving prediction of partial exams. The experiment uses data of the Introduction to Computer Programming course of the Federal University of Amazonas and seeks to classify the students according to their grade, in a maximum of three classes: satisfactory, unsatisfactory and without concept (dropout students). As conclusion, there is a quantitative analysis with the predictive data.eng
Resumo (português)
dc.description.resumo
O presente trabalho tem o intuito de apresentar a Mineração de Dados Educacionais e um experimento envolvendo previsão de provas parciais. O experimento é realizado através dos dados da disciplina de Introdução à Programação de Computadores da Universidade Federal do Amazonas e busca classificar os alunos de acordo com as notas obtidas, em no máximo três classes: satisfatório, insatisfatório e sem conceito (alunos evadidos). Como conclusão, tem-se uma análise quantitativa com os dados da previsão.por
Agência de fomento / Financiador
dc.description.sponsorship
CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superiorpor
Formato
dc.format
application/pdf*
Referência (citação)
dc.identifier.citation
Sousa, Marília Maria B. A. C. F de Sousa. Mineração de Dados Educacionais: Previsão de notas parciais utilizando classificação. 2017. 84 f. Dissertação (Mestrado em Informática) - Universidade Federal do Amazonas, Manaus.por
Endereço permanente (URI)
dc.identifier.uri
https://tede.ufam.edu.br/handle/tede/6514
Idioma
dc.language
porpor
Instituição / Editora
dc.publisher
Universidade Federal do Amazonaspor
País
dc.publisher.country
Brasilpor
Faculdade, Instituto ou Departamento
dc.publisher.department
Instituto de Computaçãopor
Sigla da instituição
dc.publisher.initials
UFAMpor
Programa de Pós-Graduação
dc.publisher.program
Programa de Pós-graduação em Informáticapor
Tipo de acesso
dc.rights
Acesso Abertopor
Licença (endereço)
dc.rights.uri
http://creativecommons.org/licenses/by/4.0/
Área de conhecimento (CNPq)
dc.subject.cnpq
CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAOpor
Área de conhecimento (CNPq)
dc.subject.cnpq
CIENCIAS EXATAS E DA TERRA: PROBABILIDADE E ESTATISTICA: ESTATISTICA: ANALISE DE DADOSpor
Termo controlado
dc.subject.other
Mineração de Dados Educacionaispor
Termo controlado
dc.subject.other
Educational Data Mining, Prediction, Classification, Introductory Programming Teachingeng
Termo controlado
dc.subject.other
Ensino de Programaçãopor
Miniatura (endereço)
dc.thumbnail.url
https://tede.ufam.edu.br//retrieve/22922/Disserta%c3%a7%c3%a3o%20Mar%c3%adlia.pdf.jpg*
Miniatura (endereço)
dc.thumbnail.url
https://tede.ufam.edu.br//retrieve/22972/Disserta%c3%a7%c3%a3o_Mar%c3%adlia.jpg*
Título
dc.title
Mineração de Dados Educacionais: Previsão de notas parciais utilizando classificaçãopor
Tipo de documento
dc.type
Dissertaçãopor

Arquivos

Pacote original

Agora exibindo 1 - 1 de 1
Carregando...
Imagem de Miniatura
Nome:
Dissertação_Marília
Tamanho:
1,05 MB
Formato:
Adobe Portable Document Format

Pacote de licença

Agora exibindo 1 - 1 de 1
Carregando...
Imagem de Miniatura
Nome:
license.txt
Tamanho:
2,32 KB
Formato:
Item-specific license agreed upon to submission
Descrição: