Predição de Alunos em Risco de Reprovação: uma Comparação do Impacto de Diferentes Técnicas de Amostragem

Authors

  • Júlio César da Silva Dantas UFRN
  • Eduardo Henrique da Silva Aranha UFRN
  • Thiago Reis da Silva IFMA

DOI:

https://doi.org/10.22456/1679-1916.144987

Keywords:

Predição de performance de estudantes, SMOTE, Tomek links, ADASYN

Abstract

Entre os campos impactados pela Inteligência Artificial, a educação é um dos mais transformados, com aplicações na automatização de processos, suporte em atividades e, como neste caso, na Predição de Performance de Estudantes (student performance prediction, SPP). Esta pesquisa investiga a eficácia de técnicas de amostragem, como SMOTE, Tomek Links e ADASYN, no problema de desequilíbrio de classes, comum na área de SPP. Trata-se de uma pesquisa aplicada, exploratória e experimental, que alcançou 97,5% de precisão com o uso de Gradient Boosting e SMOTE, identificando até 94,4% dos alunos em risco de reprovação. Esses resultados superam trabalhos anteriores com o mesmo conjunto de dados, sugerindo a eficiência das técnicas de amostragem para lidar com o problema de desequilíbrio de classes. 

Downloads

Download data is not yet available.

Published

2025-01-06

How to Cite

DANTAS, J. C. da S.; ARANHA, E. H. da S.; SILVA, T. R. da. Predição de Alunos em Risco de Reprovação: uma Comparação do Impacto de Diferentes Técnicas de Amostragem . Revista Novas Tecnologias na Educação, Porto Alegre, v. 22, n. 3, p. 230–239, 2025. DOI: 10.22456/1679-1916.144987. Disponível em: https://seer.ufrgs.br/index.php/renote/article/view/144987. Acesso em: 24 jun. 2025.

Issue

Section

Inteligência Artificial na Educação