CE-23108: ANALYSISHUB

Design_sem_nome__20_-removebg-preview
Ciências Exatas e da Terra
Autores

Lucas Biazon Palma; Luana Iório Fantinatti; Pedro Malavasi Betti.

Orientadores

Cecília Andrade Pereira e José Carlos Ferreira Junior

Instituição

Instituto Federal São Paulo - Campus Campinas

Resumo

No âmbito socioescolar, foram observados diversos fatores que influenciam o desempenho acadêmico dos estudantes do IFSP – Campinas. O objetivo deste projeto, está na identificação e divulgação dos padrões encontrados que afetam o rendimento escolar, podendo assim, facilitar o trabalho dos docentes e a performance dos discentes. O procedimento, iniciou-se na coleta de dados dos estudantes através de um formulário eletrônico (Google forms), após sua coleta foi realizado, através da linguagem de programação Python e suas bibliotecas Pandas e Seaborn, uma análise  desses dados e  a criação de um DataFrame (estrutura de dados bidimensional com os dados alinhados de forma tabular em linhas e colunas), logo, executamos um tratamento das informações do DataFrame com a biblioteca Pandas para geração de um estudo mais apurado,  com os resultado deste estudo, iniciamos o processo de predição dos dados acadêmicos, usufruindo-se dos recursos fornecidos pela Biblioteca da linguagem Python: Scikit-learn, os quais permitiu a utilização da metodologia de aprendizado de máquina: Regressão Linear. Através de nossa pesquisa inicial, feita via Google Forms, obtivemos os dados de 22 pessoas. Os dados eram divididos nas notas das disciplinas de Matemática e Lógica e Técnicas de Programação, o rendimento geral do aluno, sono, alimentação, afinidade com informática, problemas externos à escola, estudo e escolaridade dos pais. O modelo de predição dos dados acadêmicos obteve um coeficiente de Regressão de 0,8, mostrando que a variáveis colhidas para a análise, explica uma grande parte dos resultados obtidos. Nossa análise inicial, mostrou problemas em seus resultados, devido ao fato dos tópicos de alimentação, estudo, sono, afinidade com informática e problemas externos, terem sido questionados apenas com perguntas de verdadeiro e falso, mas ainda foi possível obter informações relevantes.

 

PALAVRAS-CHAVE: Análise de dados; aprendizado de máquina; predição de desempenho acadêmico; inteligência artificial.

FECCIF
Feira Estadual de Ciência e Cultura do IFSP

feccif@ifsp.edu.br