USO DA MINERAÇÃO DE DADOS BASEADO EM SISTEMAS ACADÊMICOS PARA MONITORAMENTO DE DESEMPENHO E EVASÃO DE DISCENTES
evasão, retenção, moodle, AVA, descoberta do conhecimento
Este trabalho é a qualificação para o Mestrado Profissional em Informática na Educação do Instituto Federal de Ciência e Tecnologia do Rio Grande do Sul - campus Porto Alegre e tem como foco a análise da vida acadêmica dos alunos para apuração de risco de evasão, reten- ção, abandono e desempenho escolar, utilizando para tal dados históricos e correntes de sistemas acadêmicos e do ambiente virtual de aprendizagem AVA Moodle, provendo através de algoritmos para predição e descrição a mineração de conhecimento utilizável na gestão de iniciativas que visem melhorar a eficiência educacional. Também possibilitar a inferência entre a metodologia utilizada em ambientes virtuais e o desempenho nestas plataformas. Para alcançar os resultados desejados, deve-se aplicar uma metodologia derivada de CRISPDM dividida em 10 fases para gestão do fluxo do projeto. Será utilizado o SGDB MariaDB para a fase de desenvolvimento da pesquisa, sendo que para apresentação posterior do resultado obtido deve-se optar ou por Spark ou Hadoop MapReduce. Para execução dos algoritmos serão utilizadas 3 ferramentas distintas com a mesma finalidade, que são o WEKA3, o Orange e o Knime. Os resultados obtidos devem ser separados em duas partes basicamente, sendo a primeira os dados mínimos para identificação do estudante na instituição, curso e turmas, a segunda parte deve trazer o conhecimento minerado que traduz os riscos apurados em relação à evasão, retenção, desempenho e abandono. A disponibilização para leitura dos resultados deve-se aplicar com autenticação de segurança através de webservices, facilitando a coleta do conhecimento obtido e permitindo a construção de painéis informacionais (dashboards) e outras aplicações que possam utilizar este conhecimento.