Aprendizaje automático: Una aplicación para la prevención del Abandono Escolar
DOI:
https://doi.org/10.33448/rsd-v14i6.49029Palabras clave:
Retención, Abandono, Aprendizaje automático, Bayas ingenuas, Regresión logística.Resumen
La retención de alumnos en las asignaturas de matemática continúa siendo una gran preocupación para las instituciones de enseñanza y constituye un desafío multifacético, ya que influye directamente en la eficacia del proceso pedagógico y, consecuentemente, incita a la deserción escolar. El objetivo de esta investigación es discernir las probabilidades asociadas a la aprobación o reprobación de alumnos matriculados en asignaturas de matemáticas en el primer semestre académico, a partir de los registros históricos de rendimiento académico en el Instituto Federal de Ceará (IFCE), campus Fortaleza. Para ello, se aplicaron algoritmos de Machine Learning para indicar la probabilidad de que un alumno apruebe o repruebe matemáticas en el primer semestre académico, generando informes que ayuden a la toma de decisiones por parte de los coordinadores de los cursos en los que se imparte esta asignatura. Se utilizarán los algoritmos de Regresión Logística y Naive Bayes. Para ello, se utilizarán librerías disponibles para el lenguaje Python, concretamente Scikit-learn. El resultado esperado es que los algoritmos de Aprendizaje Automático aporten ideas sobre acciones pedagógicas y de gestión académica preventivas encaminadas a reducir las tasas de fracaso y, en consecuencia, el abandono escolar.
Referencias
Akamine, C. T. & Yamamoto, R. K. (2009). Estudo dirigido: estatística descritiva. (3ed). Editora Érica.
Batista, A.S. (2015). Regressão Logística: Uma introdução ao modelo estatístico - Exemplo de aplicação ao Revolving Credit. Vida Economica Editorial. Recuperado de https://books.google.com.br/books?id=EtAsCgAAQBAJ.
Brasil. (2018). Lei nº 13.709, de 14 de agosto de 2018. Dispõe sobre a proteção de dados pessoais e altera a Lei nº 12.965, de 23 de abril de 2014 (Marco Civil da Internet).Brasília, DF: Presidência da República. Recuperado de: http://www.planalto.gov.br/ccivil_03/_ato2015-2018/2018/lei/L13709.htm.
Bussab, Wilton de O.; Morettin, Pedro A. (2010). Estatística básica. In: Estatística básica. p. xvi, 540-xvi, 540.
Burkov, A. (2019). The Hundred-Page Machine Learning Book. Ed. Andriy Burkov. ISBN-13: 978-1999579500.
Chawla, N., Bowyer, K., Hall, L., & Kegelmeyer, W. (2002). SMOTE: Synthetic Minority Over-sampling Technique. Journal of Artificial Intelligence Research (JAIR), 16, 321-357. https://doi.org/10.1613/jair.953
Costa, N. ., Nascimento, M. ., Nascimento, A. C. ., Azevedo, C. ., & Suela, M. . (2024). Classificadores Híbridos Baseados no Naive Bayes Avaliados em Diferentes Níveis de Dependência Entre Variáveis. Enciclopedia Biosfera, 21(47), 47-61. https://conhecer.org.br/ojs/index.php/biosfera/article/view/5749
Creswell, J. W. (2014). Research design: Qualitative, quantitative, and mixed methods approaches. (4th ed.). Sage Publications.
Faceli, K., Lorena, A. C., Gama, J., & Carvalho, A. C. P. de L. F. de. (2011). Inteligência artificial: uma abordagem de aprendizado de máquina. Rio de Janeiro: LTC.
Felizardo, L. F., Gualberto, D. R., & Carrano, D. P. (2024). Redes neurais artificiais em ambientes educacionais: business intelligence aplicado à pedagogia. Caderno Pedagógico, 21(6), e5210. https://doi.org/10.54033/cadpedv21n6-258
Fernández, A., García, S., Herrera, F., Chawla N. V. (2018). SMOTE for Learning from Imbalanced Data: Progress and Challenges, Marking the 15-year Anniversary. Journal of Artificial Intelligence Research, 61, 863-905.
Galdino, M. V. (2018). Modelos probabilísticos e não probabilísticos de classificação binária para pacientes com ou sem demência como auxílio na prática clínica em geriatria [Tese de Doutorado, Universidade Estadual Paulista]. Repositório UNESP.
Géron, A. (2019). Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems. O'Reilly Media.
Gil, A. C. (2017). Como elaborar projetos de pesquisa. (6ed). Editora Atlas.
Hair, Joseph F. et al. (2009). Análise multivariada de dados. Bookman editora.
He, H., & Garcia, E. A. (2009). Learning from imbalanced data. IEEE Transactions on Knowledge and Data Engineering, 21(9), 1263-1284. https://doi.org/10.1109/TKDE.2008.239
Hosmer, D. W., Lemeshow, S., & Sturdivant, R. X. (2013). Applied Logistic Regression (3rd ed.). Wiley.
Janiesch, C., Zschech, P., & Heinrich, K. (2021). Machine learning and deep learning. Electronic Markets, 31, 685–695.
https://doi.org/10.1007/s12525-021-00475-2.
Mckinney, Wes. Python para análise de dados: Tratamento de dados com Pandas, NumPy e IPython. Novatec Editora, 2018.
Melgaço da Silva, L., & Ciasca, M. (2021). história da educação profissional no Brasil: do período colonial ao Governo Michel Temer (1500-2018). Educação Profissional E Tecnológica Em Revista, 5(1), 73-101. https://doi.org/10.36524/profept.v5i1.677
Mendoza Lira, Michelle, Quiroz Muñoz, Javiera, Muñoz Pérez, Daniela, Contreras Pérez, Camila, & Ballesta Acevedo, Emilio. (2023). Conceituações de evasão e retenção escolar segundo uma escola primária no Chile. Cadernos de Pesquisa Educacional , 14 (2), e206. Epub 1 de dezembro de 2023. https://doi.org/10.18861/cied.2023.14.2.3368.
Montgomery, D. C., & Runger, G. C. (2010). Applied Statistics and Probability for Engineers. John Wiley & Sons.
Moore, D. S., McCabe, G. P., & Craig, B. A. (2014). Introduction to the Practice of Statistics (8th ed.). W.H. Freeman and Company.
Morettin, Pedro A.; Singer, Julio M. (2021). Estatıstica e Ciência de Dados. Texto Preliminar, IME-USP.
Müller, A. C. & Guido, S. (2017). Introduction of machine leaning with phyton. Published by O’Reilly Media, Inc.
Pedregosa, F. et al. (2011). Scikit-learn: Machine Learning in Python. Journal of Machine Learning Research, 12, 2825-2830, 2011. https://jmlr.csail.mit.edu/papers/v12/pedregosa11a.html.
Pereira A. S. et al. (2018). Metodologia da pesquisa científica. [free e-book]. Editora da UAB/NTE/UFSM.
Sabry, F. (2023). Naive Bayes Classifier: Fundamentals and Applications [Série Artificial Intelligence]. One Billion Knowledgeable.
Scikit-Learn. (2024). Sklearn.feature_selection.SelectKBest. https://scikit-learn.org/stable/modules/generated/sklearn.feature_selection.SelectKBest.html.
Scikit-Learn. (2024). Scikit-learn: Machine Learning in Python. https://scikit-learn.org/stable/.
Shitsuka et al. (2014). Matemática fundamental para a tecnologia. Editora Érica.
Tanimu, Jesse Jeremiah et al. A machine learning method for classification of cervical cancer. Electronics, 11(3), 463, 2022.
Tukey, J. W. (1977). Exploratory Data Analysis. Addison-Wesley.
Van Rossum, G., & Drake, F. L. (2009). Python 3 Reference Manual. Scotts Valley, CA: CreateSpace.
Yin, R. K. (2018). Case study research and applications: Design and methods. (6th ed.). Sage Publications.
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2025 Valberto Rômulo Feitosa Pereira; Mairton Cavalcante Romeu; Nairys Costa de Freitas; Vinicius Silva Pereira
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores que publican en esta revista concuerdan con los siguientes términos:
1) Los autores mantienen los derechos de autor y conceden a la revista el derecho de primera publicación, con el trabajo simultáneamente licenciado bajo la Licencia Creative Commons Attribution que permite el compartir el trabajo con reconocimiento de la autoría y publicación inicial en esta revista.
2) Los autores tienen autorización para asumir contratos adicionales por separado, para distribución no exclusiva de la versión del trabajo publicada en esta revista (por ejemplo, publicar en repositorio institucional o como capítulo de libro), con reconocimiento de autoría y publicación inicial en esta revista.
3) Los autores tienen permiso y son estimulados a publicar y distribuir su trabajo en línea (por ejemplo, en repositorios institucionales o en su página personal) a cualquier punto antes o durante el proceso editorial, ya que esto puede generar cambios productivos, así como aumentar el impacto y la cita del trabajo publicado.
