 |
Aplicações de Data Mining no Ensino Superior
Introdução Um importante desafio enfrentado hoje pelo ensino superior é a previsão da trajetória dos alunos e ex-alunos. Que alunos se matricularão em programas de um curso específico? Quais precisarão de assistência adicional para se graduar? Alguns alunos têm maior probabilidade de se transferir do que outros? Quais grupos de ex-alunos têm maior probabilidade de ingressar em agremiações? Enquanto isso, questões tradicionais, tais como o gerenciamento de matriculas e o tempo até a graduação, continuam a exercer pressão sobre as faculdades para que procurem soluções novas e mais rápidas. As instituições podem tratar melhor desses desafios relativos aos alunos e ex-alunos através da análise e apresentação de dados. O data mining tem se destacado rapidamente como uma ferramenta altamente desejável para usar as funcionalidades atuais dos relatórios para descobrir e compreender os padrões ocultos em grandes bancos de dados. Esses padrões são usados em seguida em modelos que prevêem os comportamentos individuais com uma alta precisão. O resultado: o data mining permite que as instituições aloquem recursos e pessoal de forma mais eficiente, dessa forma fornecendo uma compreensão mais profunda do comportamento de alunos e ex-alunos. Por exemplo, o data mining deve possibilitar que a instituição atue antes que um aluno abandone o curso ou planejar com segurança a alocação de recursos, visto que ela tem uma estimativa provável de quantos alunos se transferirão ou farão um determinado curso. Este documento trata-se das capacidades do data mining e de suas aplicações no ensino superior através de três estudos de caso. Esses estudos mostram como o data mining economiza recursos e ao mesmo tempo maximiza a eficiência e aumenta a produtividade sem aumentar os custos. Este ensaio começa fornecendo uma visão geral das capacidades do data mining. Índice Introdução
|
