Eventos

Defesa de Dissertação de Mestrado Profissional - Nº 312: SAM - Uma Abordagem Específica de Mineração de Dados Socioeconômicos de Alunos do IF Amazonas para Apoio ao Processo de Concessão de Assistência estudantil

Pós-Graduação Profissional em Ciência da Computação    CIn / UFPE 

 

Defesa de Dissertação de Mestrado Profissional Nº 312

Nome do Aluno: Gabriel Clávila Soares

Nome do Orientador:  Fernando da Fonseca da Souza

Título da Dissertação:  SAM - Uma Abordagem Específica de Mineração de Dados Socioeconômicos de Alunos do IF Amazonas para Apoio ao Processo de Concessão de Assistência estudantil

Data da Defesa: 15/07/2020

Hora/Local: 10:00h - Virtual

Membros da Banca:

Prof.  Fernando da Fonseca de Souza (CIn/UFPE)

Profa. Aida Araújo Ferreira (IFPE)

Prof. Luciano de Andrade Barbosa (CIn/UFPE)

 

Resumo:

 

Os 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.

Palavras-chave: Descoberta do Conhecimento. CRISP-DM. Análise Comparativa de Algoritmos.