Autor |
Vieira, Guilherme Schá; |
Orientador |
Maillard, Patrícia Augustin Jaques; |
Lattes do orientador |
http://lattes.cnpq.br/5723385125570881; |
Instituição |
Universidade do Vale do Rio dos Sinos; |
Título |
Padrões sequenciais para Learning Analytics: um estudo sobre como redes neurais podem prever o desempenho de estudantes; |
Resumo |
Foi realizado um estudo para o desenvolvimento de modelos preditivos com base em padrões sequenciais identificados através de logs de atividades de alunos em um ambiente virtual de aprendizado para classificar o desempenho deste aluno antes da conclusão de seu curso. O objetivo deste estudo foi comparar o desempenho de modelos preditivos baseados em algoritmos de árvore de decisão e em redes neurais, bem como identificar se o uso de padrões sequenciais contribui para o desempenho destes modelos ao invés de avaliar as ações individuais realizadas pelos alunos. Concluiu-se que padrões sequenciais e redes neurais pode melhorar o desempenho de um modelo preditivo, mas modelos baseados em árvore de decisão também se destacam entre os melhores.; |
Abstract |
A study was conducted for the development of predictive models based on sequential patterns identified through student activity logs in a virtual learning environment to rate student performance before the completion of their course. The objective of this study was to compare the performance of predictive model based on decision tree algorithms and neural networks, as well as to identify whether the use of sequential patterns contributes to the performance of these models rather than to evaluate individual actions taken by students. It was concluded that both sequential patterns and neural networks can improve model performance, but some decision tree-based models were also chosen among the best.; |
Palavras-chave |
Padrões sequenciais; Learning analytics; Redes neurais; Sequential patterns; Neural networks; |
Tipo |
TCC; |
Data de defesa |
2021-01-01; |
URI |
http://www.repositorio.jesuita.org.br/handle/UNISINOS/10310; |
Nivel |
Especialização; |
Curso |
Especialização em Big Data, Data Science e Data Analytics; |