| dc.contributor | GOMES, Alex Sandro | |
| dc.contributor | http://lattes.cnpq.br/1438322656914569 | |
| dc.contributor | http://lattes.cnpq.br/7188784344595649 | |
| dc.creator | RAMOS, Jorge Luis Cavalcanti | |
| dc.date | 2017-08-31T12:35:50Z | |
| dc.date | 2017-08-31T12:35:50Z | |
| dc.date | 2016-12-22 | |
| dc.identifier | https://repositorio.ufpe.br/handle/123456789/21052 | |
| dc.description | O crescimento da Educação a Distância (EAD) tem sido apoiado por teorias para auxiliar
o planejamento e a execução de cursos de maneira eficaz e eficiente. As pesquisas na área
também refletem esse crescimento, à medida que buscam atenuar ou resolver problemas
que surgem decorrentes dessa expansão, como por exemplo os altos índices de evasão
ainda verificados na modalidade. Para a maioria das instituições que participaram do
Censo Anual da EAD no Brasil em 2015, o grande obstáculo enfrentado tem sido a evasão
nos cursos, quando para 40% das instituições pesquisadas, a taxa média de evasão foi
entre 26% e 50% nos cursos totalmente ofertados a distância por essas instituições.
Partindo de uma necessidade de renovação de teorias da EAD, bem como aplicá-las no
sentido de auxiliar no enfrentamento nos desafios da modalidade, esta pesquisa enfocou
a Teoria da Distância Transacional, proposta por Moore (1972, 1973, 1993, 2013). Foi
sugerida uma nova abordagem para determinação dos seus construtos, com o propósito
de aplicá-los em um processo de detecção precoce de alunos com tendências a evasão,
em cursos superiores ofertados a distância. A utilização de técnicas de análise
multivariada para a obtenção dos construtos da distância transacional teve a intenção de
buscar uma abordagem distinta das atualmente verificadas na literatura. Essa
determinação é feita, na maioria dos casos, utilizando questionários aplicados a alunos e
professores. Também, as evidências na literatura apontam o uso de diversas técnicas de
mineração de dados e aprendizagem de máquina na definição de modelos preditivos em
contextos educacionais, com índices satisfatórios de acertos. A partir da obtenção dos
componentes (variáveis) dos construtos da distância transacional, foi também definido e
validado um modelo de previsão da evasão de alunos em cursos a distância, a partir desses
componentes. Foram usados diversos algoritmos classificadores, sendo o classificador
por regressão logística apresentado resultados mais relevantes quando comparados aos
registrados pela literatura na área. Foi então desenvolvida uma aplicação com o modelo
preditivo implementado, para testes com professores e tutores que atuam na EAD, sendo
a mesma bem avaliada por esses usuários. | |
| dc.description | The growth of Distance Education (DE) has been supported by theories to aid in the
planning and execution of courses in an effective and efficient way. Research in this area
also reflects this growth, as they seek to mitigate or solve problems arising from this
expansion, such as the high rates of dropouts still observed in the modality. For most of
the institutions that participated in the DE Annual Census in Brazil in 2015, the greatest
obstacle has been the avoidance of courses, when for 40% of the institutions surveyed,
the average rate of dropout was between 26% and 50% in courses offered at a distance
by these institutions. Based on a need to renew DE theories, as well as applying them to
help addressing the challenges of the modality, this research focused on the Transactional
Distance Theory proposed by Moore (1972, 1973, 1993, 2013). It was suggested a new
approach to determine their constructs, with the purpose of applying them in a process of
early detection of students with tendencies to dropout, in higher distance courses. The use
of multivariate analysis techniques to obtain the transactional distance constructs, had the
intention of looking for a different approach than those currently found in the literature.
This determination is made, in most cases, using questionnaires applied to students and
teachers. In addition, the literature evidences the use of several techniques of data mining
and machine learning in the definition of predictive models in educational contexts, with
satisfactory indexes of precision. After obtaining the components (variables) of the
constructs, it was also defined and validated a model of prediction of the dropout students
in distance courses, from these components. Several classifiers algorithms were used, and
the logistic regression classifier presented more relevant results when compared to those
recorded in the literature. Since then, an application with the predictive model was
implemented for test with users and was been well accepted by teachers and tutors who
work with DE. | |
| dc.format | application/pdf | |
| dc.language | por | |
| dc.publisher | Universidade Federal de Pernambuco | |
| dc.publisher | UFPE | |
| dc.publisher | Brasil | |
| dc.publisher | Programa de Pos Graduacao em Ciencia da Computacao | |
| dc.rights | Attribution-NonCommercial-NoDerivs 3.0 Brazil | |
| dc.rights | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | |
| dc.subject | Mineração de Dados Educacionais | |
| dc.subject | EAD | |
| dc.subject | Predição | |
| dc.subject | Aprendizado supervisionado | |
| dc.title | Uma abordagem preditiva da evasão na educação a distância a partir dos construtos da distância transacional | |
| dc.type | doctoralThesis | |
