Services on Demand
Journal
Article
Indicators
- Cited by SciELO
- Access statistics
Related links
- Similars in SciELO
Share
RIDE. Revista Iberoamericana para la Investigación y el Desarrollo Educativo
On-line version ISSN 2007-7467
Abstract
RICO PAEZ, Andrés. Modelos preditivos progressivos de desempenho acadêmico de estudantes universitários. RIDE. Rev. Iberoam. Investig. Desarro. Educ [online]. 2022, vol.12, n.24, e044. Epub July 25, 2022. ISSN 2007-7467. https://doi.org/10.23913/ride.v12i24.1196.
O objetivo desta pesquisa foi desenvolver modelos preditivos progressivos do desempenho acadêmico de estudantes universitários no México e avaliá-los para diferentes técnicas de aprendizado de máquina. Neste estudo, foram coletadas notas de atividades acadêmicas de 260 estudantes universitários para criar modelos de previsão de resultados acadêmicos usando técnicas de aprendizado de máquina. Os modelos foram construídos em diferentes etapas ao longo do curso e testados usando a precisão de previsão de 112 alunos de um curso subsequente. Foi observada acurácia de até 70,5% em um tempo de 21% da duração total do curso. Esse tipo de metodologia pode ser replicada para diferentes tipos de cursos, pois o registro de notas é comum a quase todos eles. Além disso, essa metodologia é flexível quanto à escolha do momento de realização das previsões, sem perder o compromisso com a precisão. Assim, pode ser feito precocemente para detectar problemas com o desempenho acadêmico e evitar, na medida do possível, a reprovação e a evasão dos alunos.
Keywords : aprendizado de máquina; modelo matemático; prevenção; desempenho acadêmico.