English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Este trabalho descreve uma abordagem que objetiva a identificacao precoce de estudantes de graduacao a distância com risco de evasao utilizando tecnicas de mineracao de dados conhecidas como Arvores de Decisao. Essas tecnicas permitem o entendimento do funcionamento interno do modelo, possibilitando a descoberta das disciplinas que mais influenciam na evasao do curso de graduacao. Este conhecimento pode ser usado para prever o desempenho academico nestas disciplinas no AVA. Foram utilizados algoritmos de Arvores de Decisao nos experimentos no SCA e o AVA, os quais forneceram acuracias medias de 80% na predicao da evasao ou graduacao do curso, utilizando apenas as primeiras notas semestrais. No AVA, como melhor resultado, foi obtida uma acuracia de 89,47% na predicao do desempenho de uma disciplina.

Uma Abordagem Temporal para Identificação Precoce de Estudantes de Graduação a Distância com Risco de Evasão em um AVA utilizando Árvores de Decisão