Please use this identifier to cite or link to this item: https://hdl.handle.net/10923/24461
Type: masterThesis
Title: Análise visual do percurso acadêmico de estudantes ao longo do ensino superior
Author(s): Lunardelli, Fernando
Advisor: Manssour, Isabel Harb
Publisher: Pontifícia Universidade Católica do Rio Grande do Sul
Graduate Program: Programa de Pós-Graduação em Ciência da Computação
Issue Date: 2022
Keywords: MINERAÇÃO DE DADOS (INFORMÁTICA)
ENSINO SUPERIOR
EVASÃO ESCOLAR - BRASIL - UNIVERSIDADES
INFORMÁTICA
Abstract: De acordo com o Censo da Educação Superior no Brasil, a evasão nos cursos de graduação é um problema que está piorando a cada ano nas instituições de ensino superior. Porém, uma análise constante e unificada do percurso do aluno pode ajudar a melhorar este cenário, auxiliando a entender ou prever quando não haverá a conclusão destes cursos. Entretanto, para isso, são necessárias ferramentas analíticas que facilitem estes acompanhamentos e viabilizem a tomada de decisões. Neste contexto, o presente trabalho propõe a criação de um modelo de visualização de dados que possibilite a análise do percurso acadêmico de um ou mais alunos durante o ensino superior. Através da exploração de dados e análise estatística, este modelo visa permitir a identificação de indivíduos, ou grupos de indivíduos, com tendência a não completarem seus cursos com sucesso, além de permitir uma “visão do todo” em relação ao seu percurso acadêmico e principais indicadores. Desta forma, busca auxiliar os tomadores de decisão das instituições de ensino (administradores, educadores, responsáveis técnicos, etc.), na condução de orientações, aplicação de políticas e outras ações, que minimizem as condições que levam estes alunos à evasão. O modelo proposto, centrado em uma visualização que utiliza diagrama de Sankey, conectado a um modelo de predição de evasão, e sua Implementação, foram baseados nos requisitos identificados a partir de uma revisão sistemática da literatura, da implementação de um protótipo e de entrevistas com quatro especialistas de domínio. A implementação do modelo também foi validada através de entrevistas com quatro especialistas de domínio, que a consideraram adequada à contribuir para a melhora do acompanhamento de progresso estudantil.
According to the Census of Higher Education in Brazil, dropout in undergraduate courses is a problem getting worse every year in higher education institutions. However, constant and unified analysis of the student’s path can help improve this scenario, enabling understanding or predicting when these courses will not be completed. Nonetheless, analytical tools are needed to facilitate these follow-ups and make decision-making feasible. In this context, the present work proposes creating a data visualization model that allows the analysis of the academic path of one or more students during higher education. Through the exploration of data and statistical analysis, this model aims to identify individuals, or groups of individuals, with a tendency to not complete their courses successfully, in addition to allowing a “view of the whole” concerning their academic career and key indicators. In this way, it seeks to help decision-makers of educational institutions (administrators, educators, technical managers, etc.), in conducting guidelines, applying policies, and other actions, which minimize the conditions that lead these students to drop out. The proposed model, centered on a visualization that uses a Sankey diagram connected to an evasion prediction model, and its implementation, were based on the requirements identified from a systematic literature review, the implementation of a prototype, and interviews with four domain experts. The implementation of the model was also validated through interviews with four domain experts, who considered it adequate to contribute to the improvement of student progress monitoring.
URI: https://hdl.handle.net/10923/24461
Appears in Collections:Dissertação e Tese

Files in This Item:
File Description SizeFormat 
DIS_FERNANDO_LUNARDELLI_COMPLETO.pdfTexto completo11,44 MBAdobe PDFOpen
View


All Items in PUCRS Repository are protected by copyright, with all rights reserved, and are licensed under a Creative Commons Attribution-NonCommercial 4.0 International License. Read more.