Use este identificador para citar ou linkar para este item: http://repositorio.ufc.br/handle/riufc/31662
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.advisorAraújo, Gizele Azevedo de-
dc.contributor.authorBezerra, André Alves-
dc.date.accessioned2018-05-02T12:40:19Z-
dc.date.available2018-05-02T12:40:19Z-
dc.date.issued2018-04-
dc.identifier.citationBEZERRA, A. A. Predição de desempenho de estudantes em ambientes virtuais de aprendizagem. 2017. 74 f. Dissertação (Mestrado em Engenharia Elétrica e da Computação) - Campus de Sobral, Universidade Federal do Ceará, Sobral, 2017.pt_BR
dc.identifier.urihttp://www.repositorio.ufc.br/handle/riufc/31662-
dc.description.abstractIn this work, we investigate the using of Educational Data Mining (EDM) techniques based on Principal Components Analysis (PCA) and Linear Discriminant Analysis (LDA) for data reduction and Multilayer Perceptron (MLP) to predict student’s performance on Learning Environments Systems (LMS). LMS are web-based educational software that provides classes and online assignments, and generate a large volume of data on student’s interactions in the environment. The method proposed, with the data used in this study, obtained better results in the prediction of the academic performance of students when compared to other methods approached in the literature.pt_BR
dc.language.isopt_BRpt_BR
dc.publisherUniversidade Federal do Cearápt_BR
dc.subjectAmbientes virtuais de aprendizagempt_BR
dc.subjectRedução da dimensionalidadept_BR
dc.subjectRedes neuraispt_BR
dc.subjectMineração de dados educacionaispt_BR
dc.titlePredição de desempenho de estudantes em ambientes virtuais de aprendizagempt_BR
dc.typeDissertaçãopt_BR
dc.description.abstract-ptbrNeste trabalho, investigamos a viabilidade do uso de técnicas de Mineração de Dados Educacionais baseadas na combinação de métodos de Redução da Dimensionalidade com Análise dos Componentes Principais (PCA), e Análise Discriminante Linear (LDA) para pré-processamento dos dados, e Redes Neurais Artificiais do tipo Multilayer Perceptron (MLP) para realizar inferências sobre o desempenho acadêmico de estudantes a partir de dados de bases de dados de Ambientes Virtuais de Aprendizagem (AVA). AVA são softwares educacionais baseados na web que disponibilizam conteúdos didáticos e avaliações on-line, e geram um grande volume de dados sobre interações dos estudantes no ambiente. O método que propomos para classificação dos estudantes, com os dados utilizados neste trabalho, obteve melhores resultados na predição do desempenho acadêmico de estudantes se comparado a outros métodos abordados na literatura.pt_BR
dc.title.enPredicting performance of students in learning environment systemspt_BR
Aparece nas coleções:PPGEEC - SOBRAL - Dissertações defendidas na UFC

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2017_dis_aabezerra.pdfBezerra, A. A. Predição de desempenho de estudantes em ambientes virtuais de aprendizagem. 2017. 74 f. Dissertação (Mestrado em Engenharia Elétrica e da Computação) - Campus de Sobral, Universidade Federal do Ceará, Sobral, 2017.2,02 MBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.