Análise de integridade de dados e desempenho em cursos online utilizando métodos de aprendizado de máquina

Abstract

Este trabalho trata de uma pesquisa voltada para a análise da integridade de dados e do desempenho em cursos online, utilizando métodos de aprendizado de máquina. O objetivo principal é desenvolver uma ferramenta para prever o número de alunos que concluíram o curso e identificar possíveis casos de abandono ou desistência. Para alcançar esse propósito, foram empregados algoritmos de aprendizado de máquina supervisionados, como Support Vector Machine (SVM) e Redes Neurais Artificiais (ANNs), possibilitando uma análise detalhada e preditiva dos dados. A abordagem adotada nesta pesquisa foi bibliográfica e qualitativa, explorando informações de cursos online em bases abertas e utilizando técnicas de análise de dados. Os resultados obtidos por meio desses métodos de aprendizado de máquina permitiram a identificação de padrões e tendências nos dados, proporcionando uma compreensão mais profunda da integridade dos registros e do desempenho dos alunos. Com uma visão mais precisa do perfil dos alunos e dos desafios enfrentados, torna-se viável implementar estratégias proativas para aumentar a taxa de conclusão, aprimorar a oferta de cursos e proporcionar uma experiência de aprendizado mais satisfatória e eficaz. Os resultados apresentados têm relevância significativa, fornecendo uma clara contribuição para a tomada de decisões estratégicas por parte dos gestores educacionais e de recursos humanos. Essa abordagem culmina em uma melhor qualidade e efetividade da aprendizagem móvel em benefício dos alunos.