Bacharelado em Sistemas de Informação (UAST)
URI permanente desta comunidadehttps://arandu.ufrpe.br/handle/123456789/2935
Siglas das Coleções:
APP - Artigo Publicado em Periódico
TAE - Trabalho Apresentado em Evento
TCC - Trabalho de Conclusão de Curso
Navegar
4 resultados
Resultados da Pesquisa
Item Mineração de dados educacionais para a classificação de perfis de evasão do ensino superior(2022-08-19) Rafael Gentil de Barros Santos; Ellen Polliana Ramos Souza; http://lattes.cnpq.br/6593918610781356; http://lattes.cnpq.br/3501823453025704A evasão escolar é uma problemática que atinge diversas instituições e é considerada uma grande preocupação para empresários, diretores, pesquisadores, pais e alunos. As perdas ocasionadas pela evasão tanto no setor público como privado, causam ociosidade de professores, funcionários, equipamentos e espaço físico. Este trabalho tem como objetivo desenvolver de um comitê de classificador para realizar a predição dos discentes com possibilidade de evasão. O método CRISP-DM foi usado para entender, preparar e modelar os dados da solução. Para a preparação dos dados, foram utilizadas as ferramentas Pentaho e RapidMiner. A linguagem de programação Python foi utilizada para implementar o comitê de classificador. Como resultados, espera-se ajudar no entendimento do perfil dos discentes com a possibilidade de evasão e como esse fenômeno pode ser evitado pelos gestores das instituições.Item Aplicação de técnicas de mineração de dados educacionais para previsão do desempenho de estudantes a partir de dados do ENADE(2021-03-04) Lima, Thacyo Eslley Burgo de; Silva, Paulo Mello da; http://lattes.cnpq.br/8976586263200932; http://lattes.cnpq.br/7863661692692517Com o crescimento cada vez maior nos dados, faz-se necessário aplicação de técnicas para extrair informações e conhecimentos a partir do conjunto de dados que estão disponibilizados, com isso encontra-se a Mineração de Dados. Esse trabalho tem como objetivo prever o desempenho dos alunos dos cursos de Sistema de Informação a partir dos dados do Exame Nacional de Desempenho de Estudantes (Enade) realizado no ano de 2017. Para isto, foram utilizados algoritmos de aprendizagem de maquina para a descoberta do conhecimento e auxiliar na tomada de decisão. Foram utilizados 4 algoritmos para comparação, os quais obtiveram acurácia superior a 60%, mostrando que é viável realizar a prediçãoItem Ferramenta adaptável para auxílio no processo de coleta de dados em pesquisas estruturadas(2019) Nascimento, Thiago Lucas Freire; Albuquerque, Hidelberg Oliveira; Albuquerque, Héldon José Oliveira; http://lattes.cnpq.br/3563291777221100; http://lattes.cnpq.br/0955255065576989; http://lattes.cnpq.br/1424806662151417A ciência nasce da incessante busca pelo conhecimento partindo da problematização e questionamentos aos acontecimentos históricos sobre o mundo e a realidade na qual vivemos. Para que haja ciência é preciso desenvolver estudos os quais pode ou não vir associados a uma hipótese, a qual carece de ser explicada e provada. Para a realização desses estudos, se faz necessário obter uma grande quantidade de dados os quais possam representar uma dada realidade. Posteriormente, são aplicados a esses dados métodos e técnicas específicas a fim de extrair informações que auxiliem na descoberta de resultados, revelando respostas para ajudar na compreensão do problema proposto ou gerando novos questionamentos. Contudo, fazer essa tarefa do modo tradicional, ou seja, manualmente é tido como uma tarefa ineficaz e desconfortável por diversos fatores, um deles é a ocorrência de erros devido à alta interação humana nas atividades. O processo de coleta de dados informatizado consiste em reduzir os esforços humanos decorrentes das atividades feitas manualmente. Este trabalho teve como objetivo desenvolver uma solução computacional para auxiliar pesquisadores no processo de coleta, armazenamento e processamento de dados em pesquisas de diversas áreas e tipos de contexto. Para isso, foi feito um levantamento na literatura das tecnologias e métodos disponíveis que pudessem ser utilizados no desenvolvimento da solução de modo a atender os requisitos demandados pelo domínio proposto. Este trabalho propôs o desenvolvimento de uma ferramenta que permitisse ao pesquisador organizar e gerenciar melhor suas pesquisas. Além disso, oferecer maior comodidade ao pesquisador possibilitando a coleta de dados através de um aplicativo para dispositivos móveis, realizando essa atividade em campo sem a necessidade de conexão à internet, de maneira centralizada, integra e segura. Para isso, foi projetada uma aplicação Web a qual possibilita ao usuário pesquisador realizar os cadastros necessários para desempenhar uma pesquisa, acompanhando o andamento do processo e por fim visualizando os resultados através de métricas estatísticas descritivas e entre outras. A utilização conjunta das arquiteturas móvel e Web, permite aos usuários acesso às informações e a realização das atividades de qualquer lugar e a qualquer momento. Para a atividade de elicitação e análise de requisitos, foram realizadas várias reuniões com a equipe de pesquisadores formada pelo coordenador da pesquisa e cinco alunos pesquisadores, nesse contexto os membros da equipe assumiram o papel de stakeholders. Afim de obter informações acerca do processo e como era feito, entrevistas com perguntas direcionadas e a técnica de prototipagem foram utilizadas durante as reuniões com os stakeholders. A avaliação feita, teve como objetivo avaliar a interface em busca de possíveis problemas que venham a comprometer a experiência de interação do usuário com a ferramenta e propor melhorias factíveis. Para isso, foi aplicado um questionário com perguntas relacionadas ao tipo de avaliação com a equipe de pesquisadores que participaram ativamente no processo de desenvolvimento e utilizaram a ferramenta em campo por completo. Com base nos resultados da avaliação, foi possível identificar que, a ferramenta possui alguns elementos que necessitam de conserto. Outro ponto revelado pela avaliação foi o nível de familiaridade dos usuários com a ferramenta, tendo em vista que não houve nenhum tipo de dificuldade para responder os questionários de avaliação. Por fim, a ferramenta desenvolvida auxilia pesquisadores a desempenhar pesquisas de diversos tipos, simplificando e reduzindo os esforços provenientes do processo feito da maneira tradicional, ou seja, manualmente.Item Classificação automática de discursos de ódio em textos do twitter(2019) Nascimento, Robson Murilo Ferreira do; Souza, Ellen Polliana Ramos; http://lattes.cnpq.br/6593918610781356; http://lattes.cnpq.br/8962852253787699Discurso do ódio, ou no inglês Hate Speech, pode ser definido como qualquer ato de comunicação que inferiorize uma pessoa por sua etnia, raça, religião, orientação sexual, nacionalidade ou outras características. Esse ato está se tornando cada vez mais comum nas redes sociais, onde muitas pessoas confundem liberdade de expressão com intolerância. Os jovens são os principais afetados, pois representam um grupo mais fácil de ser atingido pela ideologia propagada pelos Haters, os quais exaltam a violência, adotam ideologias racistas e xenofóbicas, intolerância religiosa e etc. Uma ferramenta capaz de ajudar a combater esse problema, é a Mineração de Texto, que busca extrair regularidades, padrões ou tendências de textos em linguagem natural, assim podendo ser definida como um método de extração de informações relevantes em bases de dados não estruturadas ou semi-estruturadas. Considerando o Twitter como uma das redes sociais mais utilizadas no Brasil, este trabalho tem como objetivo de implementar e avaliar técnicas supervisionadas de aprendizagem de máquina, com intuito de identificar de forma automática discurso de ódio em tweets. Para isso, foram utilizados dois corpus, um na língua inglesa, previamente disponibilizado, e outro com a língua português do Brasil,o qual foi montado com texto do Twitter, que posteriormente parte dele foi anotado de forma manual, e ambos passaram por um pré-processamento, a fim de criar coleções douradas, utilizadas para construção e avaliação dos modelos supervisionados. Por fim, foi realizada uma análise comparativa dos algoritmos de aprendizagem de máquina: SVM, Naive-Bayse e Regressão Logística, combinados com a técnica de processamento de linguagem natural stemming.