Data science aplicado para obtenção de indicadores de desempenho em ambiente escolar remoto
Carregando...
Data
2021-03-10
Autores
Philot, Gabriel Martin
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Resumo
Existe um interesse crescente em utilizar Data Science (ciência de dados) em ambientes
escolares obtendo inteligência a partir do seu grande volume de dados gerados. Em ambientes
de educação a distância é essencial aos professores definirem quais alunos estão com baixo
desempenho escolar. Neste trabalho, utilizando a metodologia de Data Science foram
avaliados dados de atividades desempenhadas por alunos de uma escola integrante da
plataforma de aprendizado contínuo da empresa Eduqo. Por regressão multilinear dos dados
associada ao algoritmo de machine learning “Train and Split‖ foi obtido uma equação de
modelo (R²=0,69) e dois indicadores para previsão do desempenho dos alunos: média de nota
de tarefa e média de nota de listas. A clusterização dos dados (K-means) a partir dos
indicadores permitiu obter 4 grupos de desempenho dos alunos, dessa forma os professores
conseguem verificar rapidamente quais alunos requerem acompanhamento para um melhor
desempenho do aprendizado escolar em ambiente remoto
There has been growing interest in using Data Science in school environments obtaining intelligence from their large data volume generated. In e-learning environment it is essential for professors define which students have poor school performance. In this work, was used Data Science methodology to evaluate data from activities carried out by students from a school which is a member of a continuous learning platform of Eduqo‘s company. By multilinear regression of the data associated with a machine learning algorithm, Train and Split, were obtained a model equation (R²=0,69) and two indicators for prevision of student‘s performance: average grade of task and average grade of lists. Data clustering (K-means) by indicators allowed obtain 4 groups of student performance, thus the professors can promptly verify which students require monitoring for better learning performance in a remote school environment
There has been growing interest in using Data Science in school environments obtaining intelligence from their large data volume generated. In e-learning environment it is essential for professors define which students have poor school performance. In this work, was used Data Science methodology to evaluate data from activities carried out by students from a school which is a member of a continuous learning platform of Eduqo‘s company. By multilinear regression of the data associated with a machine learning algorithm, Train and Split, were obtained a model equation (R²=0,69) and two indicators for prevision of student‘s performance: average grade of task and average grade of lists. Data clustering (K-means) by indicators allowed obtain 4 groups of student performance, thus the professors can promptly verify which students require monitoring for better learning performance in a remote school environment
Descrição
Palavras-chave
Ciência de dados, Educação, EaD, Machine Learning, Regressão multilinear, Data science, Education, E-Learning, Multilinear regression, Inteligência artificial, Educação - Processamento de Dados, Física - Estudo e ensino, Gestão do conhecimento