Preditor de desempenho de estudantes do curso de Matemática Industrial/UFG via redes neurais MLP e SOM

Página do item simplificado
dc.contributor.advisorMoura Júnior, José dos Reis Vieira de
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/2479225716217997
dc.contributor.authorSilva, Camila Pereira da
dc.contributor.referee1Moura Júnior, José dos Reis Vieira de
dc.contributor.referee2Santee, Donald Mark
dc.contributor.referee3Stoppa, Marcelo Henrique
dc.creator.Latteshttp://lattes.cnpq.br/4533274414592944
dc.date.accessioned2025-01-30T15:38:09Z
dc.date.available2025-01-30T15:38:09Z
dc.date.issued2021-12-14
dc.description.abstractIn this work, Educational Data Mining techniques are used based on the combination of supervised and unsupervised machine learning methods by Multilayer Perceptron-type Artificial Neural Networks. (MLP) and Auto-Maps organizers of Kohonen (SOM), respectively, for the development of a tool capable of classifying the academic performance of students based on grades in subjects in the on-site course of Bachelor of Industrial Mathematics. The tool developed for classifying students, with the data used in this work, accurately obtained the prediction of academic performance, enabling course managers to use it as an aiding method for decision-making.
dc.description.resumoNeste trabalho, utiliza-se técnicas de Mineração de Dados Educacionais baseadas na combinação de métodos de aprendizado de máquina supervisionado e não supervisionado pelos métodos de Redes Neurais Artificiais do tipo Multilayer Perceptron (MLP) e Mapas Autoorganizáveis de Kohonen (SOM), respectivamente, para o desenvolvimento de uma ferramenta capaz de classificar o desempenho acadêmico de estudantes a partir de notas em disciplinas da grade curricular do curso presencial de Bacharelado em Matemática Industrial. A ferramenta desenvolvida para classificação dos estudantes, com os dados utilizados neste trabalho, obteve com precisão a previsão do desempenho acadêmico, possibilitando que os gestores do curso possam utilizá-la como método auxiliador de tomada de decisõespt_BR
dc.formatapplication/pdf
dc.identifier.citationSILVA, Camila Pereira da. Preditor de desempenho de estudantes do curso de Matemática Industrial/UFG via redes neurais MLP e SOM. 2021. 89 f. Dissertação (Mestrado) - Programa de Pós-Graduação em Modelagem e Otimização - Mestrado (PPGMO), Instituto de Matemática e Tecnologia (IMTEC), Universidade Federal de Catalão, Catalão (GO), 2021.
dc.identifier.urihttps://repositorio.ufcat.edu.br/items/734b9845-e653-450b-973a-86cee1a9aa02
dc.languagePortuguêspt_BR
dc.language.isopt
dc.publisherUniversidade Federal de Catalão
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentInstituto de Matemática e Tecnologia (IMTEC)pt_BR
dc.publisher.programPrograma de Pós-Graduação em Modelagem e Otimização - Mestrado (PPGMO)pt_BR
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 Internationalen
dc.subjectMineração de Dados Educacionais
dc.subjectDesempenho Acadêmico
dc.subjectRedes Neurais Artificiais
dc.subjectModelagem
dc.subjectFerramenta de auxílio
dc.subject.cnpq1.03.00.00-7 Ciência da Computaçãopt_BR
dc.titlePreditor de desempenho de estudantes do curso de Matemática Industrial/UFG via redes neurais MLP e SOM
dc.title.alternativePerformance predictor of students of the Industrial Mathematics course/UFG via neural networks MLP and SOM
dc.typeDissertaçãopt_BR

Arquivos

Pacote original

Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
Dissertação - Camila Pereira da Silva.pdf
Tamanho:
2.66 MB
Formato:
Adobe Portable Document Format
Baixar

Licença do pacote

Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
license.txt
Tamanho:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar

Coleções

Mestrado em Modelagem e Otimização - PPGMO