Análise de integridade de dados e desempenho em cursos online utilizando métodos de aprendizado de máquina
Aprendizagem móvel, Mineração de dados, Aprendizado de máquina, Dados abertos.
Este trabalho objetiva uma pesquisa que se concentra na análise de integridade de dados e desempenho em cursos online, utilizando métodos de aprendizado de máquina. A minha proposta é desenvolver uma ferramenta capaz de prever o número de alunos que concluem o curso e identificar possíveis casos de abandono ou desistência. Para isso, utiliza algoritmos de aprendizado de máquina supervisionados, como máquinas vetoriais de suporte (SVM) e redes neurais artificiais (ANNs), que possibilitam uma análise detalhada e preditiva dos dados. A abordagem que adotei para a minha pesquisa foi a bibliográfica qualitativa, explorando dados de cursos online e utilizando técnicas de análise de dados. Por meio desses métodos de aprendizado da máquina, pude identificar padrões e tendências nos dados, permitindo uma compreensão mais aprofundada da integridade dos registros e do desempenho dos alunos. Isso fornece uma base sólida para a tomada de decisões estratégicas por parte dos gestores pela capacitação de pessoal. O objetivo principal dessa análise é melhorar a eficiência e a qualidade dos cursos online. Com a ferramenta que estou propondo, é possível antecipar resultados de conclusão de curso, identificar fatores que influenciam o abandono ou desistência dos alunos e implementar estratégias para aumentar a taxa de conclusão. Ao ter uma visão mais precisa do perfil dos alunos e dos desafios enfrentados, podemos tomar medidas proativas para aprimorar a oferta de cursos e proporcionar uma experiência de aprendizado mais satisfatória.