Skip navigation
  1. RI UFPE
  2. Teses e Dissertações
  3. Teses e Dissertações defendidas na UFPE
  4. Programa de Pós-Graduação Profissional em Ciência da Computação
  5. Dissertações de Mestrado Profissional - Ciência da Computação
Use este identificador para citar ou linkar para este item: https://repositorio.ufpe.br/handle/123456789/38104

Compartilhe esta página

Registro completo de metadados
Campo DCValorIdioma
dc.contributor.advisorSOUZA, Fernando da Fonseca de-
dc.contributor.authorSOARES, Gabriel Clávila-
dc.date.accessioned2020-09-25T23:38:29Z-
dc.date.available2020-09-25T23:38:29Z-
dc.date.issued2020-07-15-
dc.identifier.citationSOARES, Gabriel Clávila. SAM: uma abordagem específica de mineração de dados socioeconômicos de alunos do IF Amazonas para apoio ao processo de concessão de assistência estudantil. 2020. Dissertação (Mestrado em Ciência da Computação) – Universidade Federal de Pernambuco, Recife, 2020.pt_BR
dc.identifier.urihttps://repositorio.ufpe.br/handle/123456789/38104-
dc.description.abstractOs recursos tecnológicos vêm cada vez mais sendo utilizados pelas organizações, sejam elas públicas ou privadas, para armazenar os seus dados, desde instituições públicas de ensino até grandes corporações financeiras. Com isso, todos os dias surgem novas bases com grandes volumes de dados armazenados. Entretanto, devido à grande quantidade de dados que só aumenta a cada dia, torna-se inviável a realização da análise desses dados de forma manual por pessoas. Visando automatizar este processo de análise de grandes bases de dados e transformá-los em conhecimento útil se faz necessária a aplicação da Mineração de Dados por meio de algoritmos. Atualmente os Institutos Federais de Educação, Ciência e Tecnologia utilizam o Plano Nacional de Assistência Estudantil (PNAES) que objetiva conceder bolsas financeiras de auxílios aos estudantes em situação de vulnerabilidade socioeconômica. Porém, esse processo de seleção para concessão das bolsas de assistência estudantil demanda um certo tempo para a análise socioeconômica dos alunos. Além disso, os dados armazenados não estão sendo explorados para gerar conhecimento útil. Diante disso, surge a questão: Qual processo automatizado que utilize o algoritmo de mineração de dados mais eficiente e eficaz para identificar quais alunos estão aptos a receber a assistência estudantil? Portanto, esta pesquisa objetiva desenvolver uma abordagem específica de Mineração de Dados Socioeconômicos dos alunos do Instituto Federal do Amazonas visando automatizar o processo de concessão da assistência estudantil. Para isso, também será necessário realizar uma análise comparativa dos algoritmos de mineração visando identificar qual é o mais eficiente e eficaz em predizer os alunos aptos a receber a assistência estudantil. Por fim, esta abordagem deve gerar conhecimento útil como evidenciar o perfil do aluno em situação de vulnerabilidade socioeconômica do Instituto Federal do Amazonas.pt_BR
dc.language.isoporpt_BR
dc.publisherUniversidade Federal de Pernambucopt_BR
dc.rightsopenAccesspt_BR
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 Brazil*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/br/*
dc.subjectBanco de dadospt_BR
dc.subjectDescoberta do Conhecimentopt_BR
dc.subjectCRISP-DMpt_BR
dc.subjectAnálise Comparativa de Algoritmospt_BR
dc.titleSAM : uma abordagem específica de mineração de dados socioeconômicos de alunos do IF Amazonas para apoio ao processo de concessão de assistência estudantilpt_BR
dc.typemasterThesispt_BR
dc.contributor.authorLatteshttp://lattes.cnpq.br/3624805425554139pt_BR
dc.publisher.initialsUFPEpt_BR
dc.publisher.countryBrasilpt_BR
dc.degree.levelmestradopt_BR
dc.contributor.advisorLatteshttp://lattes.cnpq.br/7076371974874150pt_BR
dc.publisher.programPrograma de Pos Graduacao em Ciencia da Computacaopt_BR
dc.description.abstractxTechnological resources are increasingly being used by organizations, whether public or private, to store their data, ranging from public educational institutions to large financial corporations. As a result, new databases appear every day with large volumes of stored data. However, due to the large amount of data that increases every day, it is not feasible to carry out manual analysis on them. In order to automate such a process of analyzing large databases and transforming them into useful knowledge, it is necessary to apply Data Mining through algorithms. Currently, the Federal Institutes of Education, Science and Technology use the National Student Assistance Plan (PNAES) that is aimed at granting financial support to aid students under socioeconomic vulnerability. However, this selection process requires a considerable amount of time for the socioeconomic analysis of students. In addition, the stored data currently is not being explored to generate useful knowledge. Therefore, this question arises: What is automatized process along with the most efficient and effective data mining algorithm to identify which students are able to receive assistance? Therefore, this research is aimed at developing a specific approach for mining socioeconomic data of students enrolled at the Federal Institute of Amazonas to automate the process of granting student’s assistance. For this, it is also be necessary to carry out a comparative analysis of data mining algorithms in order to identify which is the most efficient and effective in predicting students able to receive such assistance. Finally, this approach shall also generate useful knowledge such as determining the profile of students under socioeconomic vulnerability at the Federal Institute of Amazonas.pt_BR
Aparece nas coleções:Dissertações de Mestrado Profissional - Ciência da Computação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
DISSERTAÇÃO Gabriel Clávila Soares.pdf5,03 MBAdobe PDFThumbnail
Visualizar/Abrir


Este arquivo é protegido por direitos autorais

Ver licença
Mostrar registro simples do item Recomendar este item Visualizar estatísticas


Este item está licenciada sob uma Licença Creative Commons Creative Commons