Previsão de Desempenho de Estudantes usando o Algoritmo de Classificação Associativa

The present research focused on the extraction of data knowledge based on the AVA moodle databases of EAD. Aiming to identify students with potential for avoidance. Thus, we chose the CBA algorithm, because in this type of approach, it was not applied. The experimental results show that CBA is an excellent algorithm to generate classification rules and predict performance in educational bases, as it achieved better results than the traditional Classification algorithms, reaching an average accuracy of 83%. Additionally, results show that the forum, quiz and folder tools have a great influence on student performance. Resumo. A pesquisa abordou a extração de conhecimento de dados com base nos bancos de dados do AVA moodle da EAD para identificar alunos com potencial para evasão. Utilizou-se o conceito de Séries Temporais, e o algoritmo CBA em conjunto com Predictive Apriori, que, entre as pesquisas realizadas, não havia sido empregada. Os resultados experimentais mostram que o CBA é um excelente algoritmo para gerar regras de classificação e prever desempenho em bases educacionais, pois atingiu melhores resultados que os algoritmos de Classificação tradicionais, alcançando uma acurácia média de 83%. Adicionalmente, resultados mostram que as ferramentas fórum, quiz e folder têm influência no desempenho dos estudantes.