Predição do desempenho de Matemática e Suas Tecnologias do ENEM utilizando técnicas de Mineração De Dados

The objective of this research is to find patterns and generate a predictive model of the performance indicator of the marks of the Mathematics test and its Technologies of the secondary schools, through the open data referring to the National High School Examination (ENEM) of 2015. The objective in question is based on data from the Program for International Student Assessment (PISA) of the year 2015, which demonstrate a worrying scenario of low performance of Brazilian elementary school students. The various techniques of data mining have been used to discover patterns that allow improvement in many areas. In this context, experiments were performed through educational data mining (EDM), where the data were categorized, to obtain a better result in the application of the algorithms. The predicted class was the school average that was categorized as: low, medium, high. The final models were trained and tested using the Naive Bayes and J48 algorithms. These algorithms were used through the WEKA software package. Resumo. O objetivo desta pesquisa propõe-se a encontrar padrões e gerar um modelo preditivo do indicador de desempenho das notas da prova de Matemática e suas Tecnologias das escolas do ensino médio, por meio dos dados abertos referentes ao Exame Nacional do Ensino Médio (ENEM) de 2015. O objetivo em questão fundamenta-se nos dados do Programme for International Student Assessment (PISA) do ano de 2015, os quais demonstram um cenário preocupando de baixo desempenho dos alunos brasileiros de ensino básico. As diversas técnicas de mineração de dados vêm sendo utilizadas para realizar descoberta de padrões que permitem a melhoria em muitas áreas. Neste contexto, foram realizados experimentos por meio da mineração de dados educacionais (MDE), onde os dados foram categorizados, para obter um melhor resultado na aplicação dos algoritmos. A classe predita foi a média da escola que foi categorizada como: Baixa, Media, Alta. Os modelos finais foram treinados e testados por meio dos algoritmos: Naive Bayes e J48. Esses algoritmos foram utilizados por meio do pacote de software WEKA. DOI: 10.5753/cbie.wcbie.2018.469 469 Anais dos Workshops do VII Congresso Brasileiro de Informática na Educação (WCBIE 2018) VII Congresso Brasileiro de Informática na Educação (CBIE 2018)