Mineracao de dados educacionais - integracao de bancos de dados e analise de desempenho dos estudantes da UFSM

Sep 7, 2026

Carregar por Liam

Este estudo investiga o impacto de variáveis docentes e institucionais nas taxas de aprovação em disciplinas iniciais de matemática na UFSM, utilizando dados históricos de 2021 a 2023. A integração de registros internos e dados públicos viabiliza técnicas de mineração educacional, com k-means para identificar agrupamentos entre turmas. A comparação entre clusters por ARI e NMI indica que a variabilidade nas avaliações docentes é o fator mais associado às discrepâncias nas taxas de aprovação, oferecendo subsídios para estudos de políticas educacionais e pedagógicas.

IdiomaPortuguese

CategoriaPesquisa e Relatórios

FormatoPDF

Páginas4

Tempo de leitura6 min

AcessoDownload gratuito

Índice

Introdução

Metodologia

Mineração e validação dos agrupamentos

Minerac¸ o de dados educacionais: integrac¸ o de bancos de dados e anlise de desempenho dos estudantes da UFSM Lus Gustavo Werle Tozevich 1 , Jaime Antonio Daniel Filho 1 , Guilherme Meneghetti Einloft 1 , Tobias Viero de Oliveira 1 , Jefferson Menezes de Oliveira2 , Joaquim Vinicius Carvalho Assunc¸ o3 1 Curso de Cincia da Computac¸ o, Universidade Federal de Santa Maria, 2Universidade Federal de Santa Maria, 3Departamento de Computac¸ o Aplicada, Universidade Federal de Santa Maria {lgtozevich, jafilho, gmeinloft, tvoliveira, [joaquim](joaquim}@inf.ufsm.br)[}](joaquim}@inf.ufsm.br)[@inf.ufsm.br](joaquim}@inf.ufsm.br) [jefferson@ufsm.br](jefferson@ufsm.br) Abstract. This paper investigates the impact of teacher and institutional va riables on the pass rates in introductory mathematics courses at UFSM, using historical data (2021–2023). The integration of internal records and public data allowed the application of mining techniques, using k-means to identify clusters among classes. The evaluation of the clusters through ARI and NMI showed that variability in teaching assessments is the main factor associated with dis crepancies in pass rates. Structuring data from different sources, we present key insights that pave the way for studies on educational and pedagogical policies. Resumo. Este trabalho investiga o impacto de vari a´veis docentes e institucionais nas taxas de aprovac¸ a˜o em disciplinas iniciais de matem a´tica na UFSM, com dados histo´ricos (2021–2023). A integrac¸ a˜o de registros internos e dados pu´blicospermitiu aplicar te´cnicas de minerac¸ a˜o, usando k-means para identificar agrupamentos entre turmas. A avaliac¸ a˜o dos clusters via ARIe NMI evidenciou que a variabilidade nas avaliac¸ o˜es docentes e´ o principal fator associado a`s discrepaˆncias nas taxas de aprovac¸ a˜o. Estruturando dados de diferentes fontes, mostramos informac¸ es importantes que abrem margem para estudos de polı´ticas educacionais e pedago´gicas. 1. Introduc¸ o A evaso acadmica em instituic¸ es p´ublicas de ensino superior configura-se como um problema multidimensional, com impactos pedaggicos, operacionais e financeir˜os. Da dos indicam que uma parcela expressiva dos ingressantes no ensino superior nao conclui os cursos [INEP 2023], evidenciando a complexidade do˜ fenmeno. Na Universidade Fe˜deral de Santa Maria (UFSM), observa-se uma variac¸ao substancial nas taxas de aprovac¸ ao em disciplinas bsicas de cincias exatas, com diferenc¸as de at 97,73% . Essa discrepncia sugere˜ que o desempenho acadmico nessas disciplinas pode estar correla cionado com a evasao universitria, possivelmente influenciado pela heterogeneidade dos perfis docentes ao longo da trajetria acadmica dos discentes. Estudos em Educational Data Mining (EDM) demonstram que fatores institucionais, pedaggicos e o perfil docente so determinantes na retenc¸ o estudantil [Romero and Ventur˜a 2020] . Pesquisas sugerem˜ que a experincia docente pode reduziras taxas de reprovac¸ao, embora ocorram variac¸oes acentuadas entre diferentes do˜centes e cursos [Koedinger et al. 2015, Souza et al. 2025] . Assim, o presente estudo propoe investigar o impacto das variveis docentes, institucio˜nais e do desempenho discente (avaliado por meio do ENEM) sobre as˜ taxas de repro˜vac¸ ao em disciplinas iniciais de matemtica, contribuindo para a formu˜lac¸ao de intervenc¸oes pedaggica˜s mais eficazes e, em um n´ıvel macro, para a reformulac¸ao de pol´ıticas publicas na educac¸ao superior. 2. Metodologia A investigac¸ o adotou um delineamento quantitativo-exploratrio, utilizando dados histricos anonimizados (2021-2023), fornecidos pela UFSM, totalizando 248 registros de 37 professores e 8504 alunos. O banco de dados original, estruturado em arquivos CSV, foi consolidado em ambiente SQLite, seguindo as etapas do Knowledge Discovery in Databases (KDD) [Fayyad et al. 1996] . Ademais, para ampliar o escopo anal´ıtico, integrou-se bases de dados p´ublicos via

Perguntas frequentes

Quais variáveis são analisadas para explicar as taxas de aprovação na UFSM?

O estudo analisa variáveis docentes, institucionais e também o desempenho discente (avaliado pelo ENEM) para investigar seu impacto nas taxas de aprovação em disciplinas iniciais de matemática.

Como os dados são integrados e preparados para a análise?

Os dados históricos anonimizados (2021–2023) fornecidos pela UFSM são consolidados em SQLite a partir de arquivos CSV e, para ampliar o escopo, são integrados com bases públicas via linkage, incluindo informações do ENEM, CINE e indicadores como CPC e IDD.

Como os agrupamentos entre turmas são gerados e avaliados?

O k-means é aplicado após definir o número de clusters conforme categorias distintas de atributos como professor, curso, área CINE e nota ENADE. A consistência é medida por ARI (Índice Rand Ajustado) e NMI (Informação Mútua Normalizada).

Sep 7, 2026

Carregar por Liam