Proposta de um modelo de avaliação de desempenho de alunos de uma IES utilizando a inteligência computacional
Anexos
Informações
Título
Proposta de um modelo de avaliação de desempenho de alunos de uma IES utilizando a inteligência computacional
Autor(es)
Fernando José Alho Gotti
Orientador(es)
Ivanir Costa
Data de Defesa
26/08/2013
Resumo (EN)
The academic management of institutions of higher education in Brazil has a big challenge, which is to obtain data by performing full manual processes, while using various types of academic control systems and have a large volume of investments in information tecnology. There are many indicators available, such as the indicators provided by the Ministry of Education, or collect data from various sources, internal or external in order to support decision making. But often they only have aggregate data on complex reports, analyzes where only individual data and analyze individual data and eletronic spreadsheet. After that they can check information such as students performance by course, between various institutions (benchmark). The analises of this information becomes important to identify the specific relating business information. In a computerized system such as Computational Intelligence, we intend to obtain subsidies that could point out the best way for analysis of the results. A software tool called SCIAAD – Computing Intelligence System applied to a Decision Making, are developed to realize that, using a Artificial Neural Network, with Multilayer Perceptron was chosen because of the characteristics and a amount of available data. Allowing the learning from the training net, and creating a more reliable source of income data. The tests, of the entered data acts in order to validate the results according to Ministry of Education evaluators. After this validation, there are used a Genethic Algorithm to search among a sample of several solutions, to classify the best or more than one process. At the end of the study it will generate a model that can be applied to similar problems
Resumo
A gestão acadêmica das Instituições de Ensino Superior (IES) no Brasil tem um grande desafio, que é a obtenção de dados por meio da execução de processos manuais, apesar da utilização de vários tipos de sistemas de controle acadêmico, que contam com um grande volume de investimentos em Tecnologia da Informação. Existem muitos indicadores disponíveis, tais como os disponibilizados pelo INEP do Ministério da Educação, referentes ao Exame Nacional de Cursos, ou então são coletados dados de diversas fontes, internas ou externas, com o intuito de subsidiar as tomadas de decisões e verificar informações como, por exemplo, desempenho de alunos por curso, turno ou ainda entre as diversas Instituições de Ensino Superior. A verificação dessas informações torna-se importante para identificar aquelas específicas referentes ao negócio. Em um sistema informatizado, aplicando-se a Inteligência Computacional, encontram-se subsídios que possam apontar o melhor caminho para essa análise dos resultados. Foi desenvolvido um software para os testes chamado SCIAAD, que por meio da aplicação de técnicas de uma Rede Neural Artificial, Perceptron de Múltiplas Camadas, pela sua própria característica e quantidade dos dados disponíveis, permite que se aprenda com o treinamento, gerando uma fonte mais confiável de resultados. Nesse ponto, os resultados foram testados a fim de validá-los de acordo com o Ministério da Educação. Logo após a validação, foram utilizados os Algoritmos Genéticos para buscar dentre uma amostra com várias soluções, a melhor combinação ou as melhores segundo esse processo. Ao fim do estudo, foi gerado um modelo que poderá ser aplicado a problemas semelhantes, permitindo uma rápida tomada de decisões.
Tipo
Tese
Palavras-chave
Gestão Acadêmica, Inteligência Computacional, Redes Neurais Artificiais, Algoritmos Genéticos
Área de Concentração
Gestão de Sistemas de Operação
Grupo de Pesquisa da UNIP cadastrado no CNPq
Processos, Métodos e Ferramentas de TI Aplicados à Engenharia de Produção
Instituição
UNIP
Direito de Acesso
Acesso Aberto