Responsive image
Universidade Federal de Santa catarina (UFSC)
Programa de Pós-graduação em Engenharia, Gestão e Mídia do Conhecimento (PPGEGC)
Detalhes do Documento Analisado

Centro: Centro de Ciências, Tecnologias e Saúde

Departamento: CTS - Coord. Esp. Interd. de Tecnologias da Inf. e Comunic./CIT

Dimensão Institucional: Pesquisa

Dimensão ODS: Social

Tipo do Documento: Projeto de Pesquisa

Título: IDENTIFICAÇÃO PRECOCE DE ESTUDANTES EM RISCO EM AMBIENTES VIRTUAIS DE APRENDIZAGEM POR MEIO DE APRENDIZADO DE MÁQUINA

Coordenador
  • CRISTIAN CECHINEL
Participante
  • CRISTIAN CECHINEL (D)
  • FABRÍCIO HERPICH (D)
  • ISAIAS SCALABRIN BIANCHI (D)
  • MARINA CARRADORE SÉRGIO (D)
  • MATEUS DE FREITAS DOS SANTOS
  • NORTON MAYER
  • VINICIUS FARIA CULMANT RAMOS (D)
  • WENDER CRIS DE SOUZA FIRMINO

Conteúdo

As altas taxas de reprovação e evasão de acadêm...as altas taxas de reprovação e evasão de acadêmicos são frequentemente apontadas como os principais obstáculos enfrentados na implementação e consolidação de muitos cursos (ambos presenciais e a distância). a identificação com antecedência de acadêmicos em risco pode auxiliar de maneira decisiva o trabalho de professores, tutores e gestores desses cursos. o presente projeto tem como objetivo desenvolver uma ferramenta para identificação de acadêmicos em risco de reprovação em cursos que utilizam ambientes virtuais de aprendizagem (ava). essa ferramenta utilizará modelos de predição gerados por meio de aprendizado de máquina para a identificação dos acadêmicos que estão em risco com base no seu engajamento nas disciplinas e que será medido a partir da contagem de suas interações dentro do ava. além da identificação dos acadêmicos em risco, a solução apresentará um conjunto de visualizações que permitirá aos professores, tutores e gestores acompanhar com maior precisão e eficiência o comportamento e desempenho de seus acadêmicos durante todo o processo de ensino-aprendizado. espera-se que a disponibilização de uma ferramenta para predição da situação de acadêmicos em risco de reprovação possa auxiliar o trabalho de professores e ajudar a diminuir as atuais taxas de retenção, evasão e reprovação dos cursos que utilizem a modalidade ead, remota, e presencial apoiada por ava.

Pós-processamento: Índice de Shannon: 3.70111

ODS 1 ODS 2 ODS 3 ODS 4 ODS 5 ODS 6 ODS 7 ODS 8 ODS 9 ODS 10 ODS 11 ODS 12 ODS 13 ODS 14 ODS 15 ODS 16
3,14% 6,03% 6,02% 24,30% 3,39% 4,85% 6,23% 5,88% 7,18% 2,12% 7,74% 4,71% 6,68% 4,28% 3,50% 3,96%
ODS Predominates
ODS 4
ODS 1

3,14%

ODS 2

6,03%

ODS 3

6,02%

ODS 4

24,30%

ODS 5

3,39%

ODS 6

4,85%

ODS 7

6,23%

ODS 8

5,88%

ODS 9

7,18%

ODS 10

2,12%

ODS 11

7,74%

ODS 12

4,71%

ODS 13

6,68%

ODS 14

4,28%

ODS 15

3,50%

ODS 16

3,96%