Title:	Análise de integridade de dados e desempenho em cursos online utilizando métodos de aprendizado de máquina
Authors:	Praciano, Flávio Garcia
Orientador(es)::	Silva, Daniel Alves da
Assunto::	Aprendizagem móvel Mineração de dados (Computação) Aprendizagem de máquina Dados abertos
Issue Date:	28-Feb-2024
Data de defesa::	28-Jul-2023
Citation:	PRACIANO, Flávio Garcia. Análise de integridade de dados e desempenho em cursos online utilizando métodos de aprendizado de máquina. 2023. xiv, 86 f., il. Dissertação (Mestrado Profissional em Engenharia Elétrica) — Universidade de Brasília, Brasília, 2023.
Abstract:	This study focuses on research aimed at analyzing data integrity and performance in online courses using machine learning methods. The main objective is to develop a tool to predict the number of students who have completed the course and identify potential cases of abandonment or withdrawal. To achieve this goal, we used supervised machine learning algorithms such as SVM and ANNs, allowing a detailed and predictive data analysis. The approach taken in this research was bibliographic and qualitative, exploring information from online courses in open databases and using data analysis techniques. The results obtained through these machine learning methods enabled the identification of patterns and trends in the data, providing a deeper understanding of the integrity of the records and the performance of the students. With a clearer view of the students’ profile and the challenges faced, it is possible to implement proactive strategies to increase the completion rate, improve the course offerings, and provide a more satisfying and effective learning experience. The presented results are highly relevant and offer a clear contribution to strategic decision-making by educational and human resources managers. This approach leads to better quality and effectiveness of mobile learning for the benefit of students.
metadata.dc.description.unidade:	Faculdade de Tecnologia (FT) Departamento de Engenharia Elétrica (FT ENE)
Description:	Dissertação (mestrado) — Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, Programa de Pós-Graduação em Engenharia Elétrica, 2023.
metadata.dc.description.ppg:	Programa de Pós-Graduação em Engenharia Elétrica, Mestrado Profissional
Licença::	A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.unb.br, www.ibict.br, www.ndltd.org sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra supracitada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.
Appears in Collections:	Teses, dissertações e produtos pós-doutorado

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.