Mineração de dados educacionais aplicada ao curso de engenharia de software da UDESC

Autores

DOI:

https://doi.org/10.21439/conexoes.v19.3882

Palavras-chave:

Ciência de dados, Mineração de dados, Regras de associação, Matrículas

Resumo

Este trabalho apresenta um estudo de caso com aplicação de mineração de dados educacionais para analisar as matrículas dos acadêmicos do curso de Bacharelado em Engenharia de Software da UDESC. O objetivo é coletar indicadores do curso sobre matrículas, conclusões e evasões, e verificar combinações de disciplinas cursadas simultaneamente que possam maximizar o potencial de aprovação dos acadêmicos. O estudo utilizou dados obtidos do sistema acadêmico da UDESC contendo registros de matrículas desde a implantação do curso em 2014. Gráficos interativos foram criados para visualizar os indicadores do curso. O algoritmo Apriori foi utilizado para obter conjuntos de matrículas frequentes e regras de associação. Uma prova de conceito de sistema foi desenvolvida para evidenciar a viabilidade de recomendar disciplinas a partir das regras de associação.

Biografia do Autor

Fernando Santos, Universidade do Estado de Santa Catarina (UDESC)

Professor adjunto no Departamento de Engenharia de Software da Universidade do Estado de Santa Catarina (UDESC). Concluiu o Bacharelado em Ciências da Computação na Universidade Regional de Blumenau (FURB) em 2005. Obteve o título de Mestre em Ciências da Computação pela Universidade Federal do Rio Grande do Sul (UFRGS) em 2009, e o título de Doutor em Ciência da Computação também pela UFRGS em 2019. Possui experiência na indústria, com vivência em desenvolvimento e análise de sistemas entre 2006 e 2010. Em 2023 recebeu o prêmio Fritz Müller na categoria jovem pesquisador da área de ciências exatas e da terra, oferecido pela Fundação de Amparo à Pesquisa e Inovação do Estado de Santa Catarina (FAPESC). Atua nas áreas de inteligência artificial, sistemas multiagente e simulações baseadas em agentes.

Cesar Augusto Fonticielha De Rose, Pontifícia Universidade Católica do Rio Grande do Sul (PUCRS)

Possui graduação em Ciência da Computação pela Pontifícia Universidade Católica do Rio Grande do Sul - PUCRS (1990), mestrado em Ciência da Computação pela Universidade Federal do Rio Grande do Sul - UFRGS (1993) na área de Processamento Paralelo e Distribuído, doutorado em Ciência da Computação pelo Karlsruhe Institute of Technology (KIT), Alemanha (1998) na área de Gerência de Recursos em Arquiteturas Paralelas e pós-doutorado na University of Southern California (USC), USA, 2019, na área de Processamento de Grandes Volumes de Dadosv(Big Data). Atualmente é professor titular da Escola Politécnica da Pontifícia Universidade Católica do Rio Grande do Sul (PUCRS) onde integra o Programa Pós-Graduação em Ciência da Computação desde 1999. Tem interesse nos seguintes temas: Gerência de Recursos em Arquiteturas Paralelas, Processamento Paralelo e Distribuído, Máquinas Agregadas (Cluster), Grades Computacionais (Grids), Computação em Nuvem (Cloud) e Virtualização. Foi fundador e atualmente é pesquisador sênior do Laboratório de Alto Desempenho da PUCRS (LAD-PUCRS). Em 2014 recebeu o prêmio destaque da pesquisa gaúcha nas áreas de matemática, estatística e computação concedido pela FAPERGS (Prêmio Pesquisador Gaúcho). Sua atuação na área de simulação de nuvens computacionais, com participação no desenvolvimento da ferramenta CloudSim, é reconhecida internacionalmente, e resultou em uma publicação que já recebeu mais de 6000 citações (GS), sendo um dos artigos de computação mais citados do Brasil. É bolsista de produtividade 2 do CNPq desde 2010 e IEEE Senior Member desde 2021. Em 2001, participou do grupo que organizou a primeira Escola Regional de Alto Desempenho do Rio Grande do Sul (ERAD-RS), evento que está completando duas décadas de existência, já tendo capacitado centenas de alunos de graduação e pós-graduação, e que foi replicado em vários outros estados do Brasil, como São Paulo, Rio de Janeiro e estados do nordeste.

Referências

ALMATRAFI, O.; JOHRI, A.; RANGWALA, H.; ESTER, J. Identifying course trajectories of high achieving engineering students through data analytics. In: 2016 ASEE Annual Conference & Exposition Proceedings. ASEE: Conferences, 2016.

ATALLA, S. et al. An intelligent recommendatio system for automating academic advising based on curriculum analysis and performance modeling. Mathematics, v. 11, n. 5, 2023.

CARMO, E. P. d.; GASPARINI, I.; OLIVEIRA, E. H. T. d. Identificação de trajetórias de aprendizagem em um curso de graduação e sua relação com a evasão escolar. In: Anais do XXXIII Simpósio Brasileiro de Informática na Educação (Sbie 2022). Brasil: Sociedade Brasileira de Computação, 2022. p. 323–333.

FACELI, K.; LORENA, A. C.; GAMA, J. A.; ALMEIDA, T. A. D.; CARVALHO, A. C. P. L. F. D. Inteligência artificial: Uma abordagem de aprendizado de máquina. Rio de Janeiro: Ltc, 2021.

FERREYRA, M. M.; AVITABILE, C.; ÁLVAREZ, J. B.; PAZ, F. H.; URZÚA, S. At a crossroads: Higher education in Latin America and the Caribbean. EUA: World Bank, Washington, Dc, 2017. ISBN 978-1-4648-1014-5.

GARCIA, L. M. L. d. S.; GOMES, R. S. Visualização e análise da trajetória de aprendizagem realizada no currículo no ensino superior. In: Anais do XXXI Simpósio Brasileiro de Informática na Educação (Sbie 2020). Brasil: Sociedade Brasileira de Computação, 2020. p. 1593–1602.

GOLDSCHMIDT, R.; PASSOS, E.; BEZERRA, E. Data minning: Conceitos, técnicas, algoritmos, orientações e aplicações. Rio de Janeiro: Elsevier, 2015.

Downloads

Publicado

07-10-2025

Como Citar

Santos, F., & De Rose, C. A. F. (2025). Mineração de dados educacionais aplicada ao curso de engenharia de software da UDESC. Conexões - Ciência E Tecnologia, 19. https://doi.org/10.21439/conexoes.v19.3882

Edição

v. 19 (2025)

Seção

Seção de Ciência Exatas e da Terra

Licença

Copyright (c) 2025 Fernando Santos, Cesar Augusto Fonticielha De Rose

Creative Commons License

Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Os autores que publicam na Revista Conexões: Ciência e Tecnologia concordam com os seguintes termos: Autores mantêm os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho licenciado sob uma licença Creative Commons Atribuição-NãoComercial-CompartilhaIgual 4.0 Internacional (CC BY -NC-SA 4.0) . Nossos artigos estão disponíveis gratuitamente e gratuitamente, com privilégios para atividades educacionais, pesqueiras e não comerciais.

Artigos Semelhantes

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 > >> 

Você também pode iniciar uma pesquisa avançada por similaridade para este artigo.