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

As altas taxas de reprovacao e evasao de estudantes sao frequentemente apontadas como dois dos principais obstaculos enfrentados na implementacao e consolidacao de cursos de Educacao a Distância.  A identificacao com antecedencia de estudantes em risco pode auxiliar de maneira decisiva o trabalho de professores e tutores que teriam a oportunidade de fornecer assistencia personalizada a esses academicos antes dos mesmos reprovarem ou evadirem de seus cursos. O presente trabalho descreve resultados da aplicacao de tecnicas de aprendizado de maquina nesta tarefa, utilizando como atributos unicamente contagens de interacoes. Os experimentos realizados demonstraram a viabilidade de utilizar apenas a quantidade de interacoes dos alunos para gerar predicoes razoavelmente precisas e que a introducao de atributos derivados das contagens (e.g. medias) e util para previsoes mais precisas quando a quantidade de dados e esparsa. Ainda, demonstrou-se tambem que as redes bayesianas se mostraram o modelo mais adequado entre os modelos testados e que e possivel treinar o modelo utilizando diferentes fontes de exemplos, como entre turmas e entre semestres diferentes. A abordagem apresentada aqui e aplicavel virtualmente a qualquer situacao onde e possivel contar interacoes de qualquer tipo, uma vez que nao utiliza atributos especificos relacionados aos tipos de interacao

Modelagem e Predição de Reprovação de Acadêmicos de Cursos de Educação a Distância a partir da Contagem de Interações