Detalhes - Dissertação do PROFMAT

Aluno: JONATHAN MARQUES DIAS

UFTM - Universidade Federal do Triângulo Mineiro - Uberaba - MG

Dissertação

Título
Aprendizado de Máquina: Previsão de Evasão com Python e Recurso didático e Tecnológico com Geogebra
Resumo
Este trabalho foi dividido em duas partes: A primeira aborda o aprendizado de máquina com algoritmos de aprendizagem supervisionada de classificação de uma forma teórica e prática, com aplicação no estudo de Evasão do curso de licenciatura em Matemática e a segunda parte aborda o entendimento simples e a matemática por trás de funcionamento de dois algoritmos de aprendizado de máquina para utilizá-lo como recurso didático tecnológico no ensino médio via software Geogebra. Para a Evasão no Ensino Superior, trabalhamos com alguns algoritmos supervisionados de classificação mais simples e populares: Redes Neurais Multilayer Perceptron e Redes Neurais Recorrentes, Árvores de Decisão, k-Vizinhos Mais Próximos e Máquina de Vetores de Suporte. A evasão é a saída antecipada antes da conclusão do curso, por desistência ocasionada por vários motivos, representando, portanto, condição terminativa de insucesso em relação ao objetivo de concluir um curso de graduação. A evasão no curso presencial de licenciatura em Matemática da Universidade Federal do Triângulo Mineiro-UFTM, ocorre com maior frequência, nos primeiros quatro períodos (semestres) do curso, contudo nota-se que a evasão do quinto período em diante também ocorre, definido como evasão tardia, isto é, nos últimos períodos. A previsão evasão acadêmica de sucesso ou fracasso em um programa de graduação pode ser baseada em padrões de sequência por semestres de: médias de notas, sexo do aluno, idade, cotas, aprovações em disciplinas, porcentagem de faltas, etc. Como observado, dados podem ter estrutura temporal (notas, faltas, etc) ou atemporal (sexo, cotas, etc). Neste trabalho utilizamos atributos temporais e por períodos semestrais com resultados de previsão em torno de 88% de acerto em relação a métrica f1score. Para o entendimento simples e a matemática por trás dos algoritmos de classificação: k-Vizinhos Mais Próximos-KNN e Árvores de Decisão, construímos dois aplicativos no software Geogebra com a finalidade da introdução do conhecimento de aprendizado de máquina na formação educacional do aluno e como recurso didático tecnológico no aprendizado da matemática por trás dos algoritmos.
[Download TCC]

---