Predição do desempenho de candidatos do ENEM por regressão múltipla

Segue uma publicação realizada em parceria que versa sobre Regressão Múltipla em Ciência de Dados Educacionais.

Adenilson Almeida de NovaesRaccoon Publicidade Ltda

Jean Piton-GonçalvesDepartamento de Matemática/Universidade Federal de São Carlos (UFSCar) 

Predição do desempenho de candidatos do ENEM por regressão múltipla

Resumo: No contexto da Ciência de Dados Educacionais, a Previsão de Desempenho Acadêmico de Estudantes pode seguir a Mineração de Dados Educacionais, que busca explicitar quantitativamente o desempenho estudantil, norteando professores e instituições de ensino. A Regressão Linear Múltipla é uma metodologia de previsão que pode ser aplicada à dados educacionais, como é o caso de dados do Exame Nacional do Ensino Médio (ENEM). Partindo dos dados do ENEM edição 2019, esta pesquisa formulou, testou e analisou sete modelos de regressão múltipla partindo de uma amostra de 18.908 candidatos. Tais modelos consideraram os escores das provas de (i) Linguagens, Códigos e suas Tecnologias, (ii) Matemática e suas Tecnologias, (iii) Ciências da Natureza e suas Tecnologias e (iv) Ciências Humanas e suas Tecnologias e (v) Redação; e os dados pessoais (iv) idade, (v) sexo e (vi) se concluiu o Ensino Médio em escola pública ou privada. Seis modelos apresentaram independência, variância constante, ausência de outliers influentes e significativos, permitindo uma ótima capacidade preditiva do desempenho do estudante.

Palavras-chave: Predição, desempenho, Regressão Linear Múltipla, Ciência de Dados, Mineração de Dados Educacionais, Exame Nacional do Ensino Médio.

Acesso ao artigo completo: https://publicacoes.unifal-mg.edu.br/revistas/index.php/sigmae/article/view/1552 

 

Lançamento do livro: Uma historiografia terapêutica de acasos

Prezados leitores, é com prazer que comunico a vocês mais um excelente livro editado por Antonio Miguel, Carlos Roberto Vianna e JúlioFariaCorrêa.

Há um capítulo de minha autoria: Algoritmos e aleatoriedade em computação

DOI -10.29388/978-65-86678-51-2-0-f.175-198

Framework para Avaliação Diagnóstica de Cálculo Numérico (artigo)

Pessoal

Segue uma publicação realizada em parceria que versa sobre um Framework para Avaliação Diagnóstica de Cálculo Numérico.

Jean Piton-Gonçalves

Marcus Vinicius de Araujo Lima 

Resumo: O presente trabalho desenvolve e aplica um framework para avaliações diagnósticas em disciplinas de Cálculo Numérico. A revisão da literatura não identificou trabalhos com essa temática. Buscando preencher esta lacuna, o framework para Avaliação Diagnóstica em Cálculo Numérico (Diagnostic Assessment Framework for Numerical Methods, DAF-NuM) é um instrumento inédito que norteia a elaboração de testes diagnósticos que avaliam um conjunto de conhecimentos que um estudante de engenharia deve compreender para cursar adequadamente tal disciplina. Partindo desse framework, foi aplicado um teste diagnóstico computadorizado a 105 estudantes. Resultados dessa pesquisa revelam que é possível elaborar um teste pautado no DAF-NuM, que contribui para se compreender, de fato, as inter-relações entre o conteúdo aprendido em situações e/ou disciplinas anteriores (pré-requisitos) e como esse conteúdo ocorre em outra disciplina.

Palavras-chave: Avaliação Diagnóstica, Framework, Cálculo Numérico.

Acesso ao artigo completo: https://if.ufmt.br/eenci/artigos/Artigo_ID782/v15_n3_a2020.pdf 

Revista: https://if.ufmt.br/eenci/