MINERAÇÃO DE DADOS EDUCACIONAIS NA BASE DE DADOS DO ENEM 2015

Guilherme Ferrari Bravin; Luciana Lee; Silvia das Dores Rissino

Autores

Guilherme Ferrari Bravin Universidade Federal do Espírito Santo Autor https://orcid.org/0000-0002-4644-645X
Luciana Lee Universidade Federal do Espírito Santo Autor https://orcid.org/0000-0003-1335-074X
Silvia das Dores Rissino Universidade Federal do Espírito Santo Autor https://orcid.org/0000-0002-1180-9142

Resumo

Este trabalho aplica o processo de descoberta de conhecimento em base de dados (KDD) no conjunto de dados abertos do ENEM por escola no ano de 2015, com o objetivo de encontrar relações entre os indicadores contextuais presentes na base de dados e as notas médias nas diferentes áreas de conhecimento avaliadas pelo exame. No pré-processamento os dados são adequados e filtrados, com o Microsoft Excel e o software R, para serem utilizados na etapa seguinte. Na fase de mineração de dados utiliza-se o software R para a aplicação de algoritmos de classificação e de regressão linear.

Os resultados obtidos através das técnicas de mineração de dados são transformados em conhecimento útil e apresentado através de gráficos. A regressão linear indica uma grande eficiência na previsão da nota de língua portuguesa, mostrando forte influência dos indicadores contextuais para sua determinação.

Downloads

Os dados de download ainda não estão disponíveis.

Biografia do Autor

Guilherme Ferrari Bravin, Universidade Federal do Espírito Santo

Discente do curso de Engenharia da Computação no CEUNES - Centro Universitário Norte do Espírito Santo, Desenvolvedor junior na empresa Pagar.me.
Luciana Lee, Universidade Federal do Espírito Santo

Bacharel em Ciência da Computação pela Universidade Federal do Espírito Santo (2004), mestrado em Informática pela Universidade Federal do Espírito Santo (2007) e doutorado em Engenharia de Produção na PEP/COPPE/UFRJ (2012). Atualmente é professora Adjunto da Universidade Federal do Espírito Santo. Tem experiência na área de Ciência da Computação, com ênfase em Otimização/Pesquisa Operacional, atuando principalmente nos seguintes temas: otimização combinatória, metaheurísticas, teoria dos grafos e teoria espectral grafos.
Silvia das Dores Rissino, Universidade Federal do Espírito Santo

Doutora em Ciências em Engenharia Elétrica pela Universidade Federal de Itajubá (2009), mestre em Ciências da Computação pela Universidade Federal de Santa Catarina (2001), especialista em Redes de Computadores pela UFPA (1997) e Bacharel em Ciência da Computação pela Universidade Federal do Pará (1994). Professora Associada da Universidade Federal do Espírito Santo, com experiência na área de Ciência da Computação, com ênfase em Banco de Dados, atuando principalmente nos seguintes temas: desenvolvimento de soluções em ambiente de redes inteligentes, tratamento de inconsistências e indeterminações, controle de concorrência em banco de dados relacionais; mineração de dados e segurança da informação.

Referências

BAKER, R. S. J. de; CARVALHO, A. M. J. B. de. Mineração de Dados Educacionais: Oportunidades para o Brasil. Revista Brasileira de Informática na Educação. V.19, N.02. 2011.
BRASIL. Lei de Acesso a Informação – LAI (Lei 12527/2011). Disponível em: <http://www2.camara.leg.br/transparencia/acesso-a-informacao>. Acesso em 09 de jul de 2019.
BRASIL. Portal Brasileiro de Dados Aberto. Disponível em <http://dados.gov.br/>. Accesso em 09 de jul de 2019.
CABENA, P.; HADJINIAN, P.; STADLER, R.; VERHEES, J.; ZANASI, A. Discovering data mining: from concept to implementation. Upper Saddle River, NJ, USA: Prentice-Hall, Inc. 1998.
CAMILO, C. O.; SILVA, J. C. DA. Mineração de dados: Conceitos, tarefas, métodos e ferramentas. Universidade Federal de Goiás (UFC), p. 1–29, 2009.
COSTA, E. et. al. Mineração de Dados Educacionais: Conceitos, Técnicas, Ferramentas e Aplicações. Jornada de Atualização em Informática na Educação – JAIE. 2012.
FAYYAD, U.; SHAPIRO, G. P.; SMYTH, P. From data mining to knowledge discovery in databases. AI Magazine, V. 17(3):37-54. 1996.
GOLDSCHMIDT, R.; PASSOS, E. Data Mining um guia prático. Elsevier Editora Ltda. 2005. Rio de Janeiro. ISBN: 85-352-1877-7.
HAN, J.; KAMBER, M.; PEI, J. Data Mining Concepts and Techniques. Elsevier Editora Ltda. 2012. USA.
INEP. Microdados do Enem por Escola. Brasília: Inep, 2019. Disponível em: <http://portal.inep.gov.br/web/guest/microdados>. Acesso em: 29 de maio de 2019a.
INEP. Indicador de Nível Socioeconômico das Escolas de Educação Básica. Disponível em: <http://download.inep.gov.br/informacoes_estatisticas/indicadores_educacionais/2015/nota_tecnica/nota_tecnica_inep_inse_2015.pdf>. Acesso em 01 de jun de 2019b.
INEP. Censo Escolar - INEP. Disponível em: <http://inep.gov.br/web/guest/resultados-e-resumos>. Acesso em: 01 de jun de 2019c.
INEP. ENEM. Disponível em: < http://portal.inep.gov.br/web/guest/enem>. Acessado em 28 de maio de 2019d.
KLÖSGEN, W.; ZYTKOW, J. M. Handbook of data mining and knowledge discovery. Oxford University Press, Inc., New York, NY, USA. 2002.
KUHN, M.; The Caret Package. Disponível em: < https://topepo.github.io/caret/>. Acesso em 01 de jun de 2019.
SILVA, L. A.; MORINO, A. H.; SATO, T. M. C. Prática de Mineração de Dados no Exame Nacional do Ensino Médio. Anais dos Workshops do Congresso Brasileiro de Informática na Educação. 2014.
SIMON, A.; CAZELLA, S. C. Mineração de Dados Educacionais nos Resultados do ENEM de 2015. Anais dos Workshops do VI Congresso Brasileiro de Informática na Educação. 2017.