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

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