Predição de Desistência em Turmas de Programação Utilizando Sentimentos
DOI:
https://doi.org/10.22456/1679-1916.145005Palavras-chave:
Desistência estudantil, aprendizagem de máquina, analise de sentimentosResumo
A desistência precoce em disciplinas de programação e um problema frequentemente enfrentado em cursos de graduação. Este artigo avalia o quanto o sentimento dos estudantes da turma pode auxiliar na predição de desistência. Foram utilizados dados de avaliações de desempenho e sentimentos dos estudantes com o uso de métodos de aprendizado de máquina. A análise evidenciou diferenças no desempenho de alunos concluintes, sugerindo a eficácia das variáveis propostas na construção de modelos preditivos, principalmente com a adição do atributo referente aos sentimentos. O estudo contribui para a identificação de estudantes desistentes, permitindo a implementação de intervenções precoces e oferecendo uma abordagem para a predição dessas desistências. Os resultados mostram que a adição da informação de sentimento aumentou em 2% a sensibilidade da classificação e até 30% a precisão dos modelos preditivos.
Downloads
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Os autores dos artigos publicados na RENOTE retém os direitos autorais de suas obras e autorizam o CINTED/UFRGS a publicá-las de acordo com os termos da licença Creative Commons Attribution-NonComercial 4.0 International Public License (CC BY-NC-SA 4.0). Dessa forma, fica permitido aos autores ou a terceiros a reprodução ou distribuição, em parte ou no todo, de material extraído dessas obras, de forma verbatim, adaptada ou remixada, bem como a criação ou produção a partir do conteúdo dessas obras, para fins não comerciais, desde que sejam atribuídos os devidos créditos às criações originais. Cópias das obras não devem ser utilizadas de nenhum modo que implique o endosso da UFRGS. Sendo assim, os autores que publicam nesta revista concordam com os seguintes termos:- Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
- Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
- Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).
