Utilize este identificador para referenciar este registo:
https://hdl.handle.net/1822/81981
Título: | Web mining on e-learning |
Autor(es): | Campos, Francisco José Casanova Faria |
Orientador(es): | Santos, Manuel Portela, Filipe |
Palavras-chave: | Dados estruturados Dados não estruturados Bases de dados NoSQL Educational data mining Web mining Structured data Unstructured data NoSQL databases |
Data: | 4-Ago-2022 |
Resumo(s): | Atualmente, a utilização das tecnologias de informação é vital no dia a dia das pessoas
e, sobretudo, das empresas. Esta utilização e troca de informação gera uma quantidade de
dados que podem criar valor para vários setores da sociedade, caso seja possível traduzir a
informação neles contida.
Se este problema for adotado ao setor da educação, muitas questões e problemas
podem ser resolvidas com o correto tratamento desses dados. A possibilidade de perceber os
comportamentos dos alunos e as metodologias de estudo que permitem um maior sucesso
escolar é certamente uma oportunidade tentadora e que pode levar à otimização do ensino
como é conhecido e permitir formar melhores pessoas e profissionais
Assim sendo, o foco deste projeto centra-se no tratamento destes dados gerados no
contexto universitário, a partir da criação de uma solução que consegue receber diferentes tipos
de dados, aplicando modelos analíticos, de modo a gerar relatórios e dashboards sobre a
realidade dos dados em estudo, e modelos preditivos, de modo a poder prever futuras notas de
alunos com base no seu comportamento académico.
Em termos analíticos foi possível comprovar que existe uma relação forte entre um
grande nível de assiduidade e participação nas aulas com um bom desempenho académico, que
77% dos alunos foram capazes de tirar uma nota final acima de 15 valores, que todos os alunos
estiveram presentes, pelo menos, num terço das aulas, além de provar o sucesso de
ferramentas aplicadas previamente como o sistema de cartões e resgate, com 8 alunos, que
primeiramente tinham reprovado num momento de avaliação crítico, a terem possibilidade de
completar o curso graças a este último mecanismo. Em termos preditivos, o protótipo revelou
ser eficaz, principalmente em termos de regressão, com um erro absoluto de 1,10 valores.
Os dados para este projeto foram fornecidos pela empresa IOTech, que os reuniu a
partir da utilização dos alunos de diferentes plataformas na unidade curricular “Programação
Web” durante o ano letivo 2020/2021. Este trabalho está também inserido no projeto
IOScience, levado a cabo pela mesma empresa. Nowadays, the use of information technologies is vital in people’s lives and companies. This use and exchange of information generate a quantity of data that can create value for various sectors of society if possible to translate the information contained therein. Adopting this problem to the education sector, many issues and problems can be solved with the correct treatment of this data. The possibility of perceiving the students’ behaviours and study methodologies that allow greater school success is certainly a tempting opportunity and that can lead to the optimization of teaching as it is known and allow to create better people and professionals. Therefore, the focus of this project focuses on the processing of these data generated in university context, by creating of a solution that can receive different data types, apply analytical models, in order to generate reports and dashboards about the reality of the data In study, and predictive models, so that it can predict future grades of students based on their academic behaviour. In analytical terms it was possible to prove that there is a strong relationship between a great level of attendance and participation in classes with a good academic performance, that 77% of the students were able to take a final grade above 15 values, that all students were present at least one-third of the classes, in addition to proving the success of previously applied tools such as the card and rescue system, with 8 students, who had first failed at a critical evaluation moment, to be able to complete the course thanks to the latter mechanism. In predictive terms, the prototype proved to be effective, mainly in terms of regression, with an absolute error of 1.10 values. The data for this project were provided by the company IOTech, which gathered it from the use of students from different platforms in the “Web Programming” curriculum during the 2020/2021 school year. This work is also inserted in the IOScience project, carried out by the same company. |
Tipo: | Dissertação de mestrado |
Descrição: | Dissertação de mestrado integrado em Engenharia e Gestão de Sistemas de Informação |
URI: | https://hdl.handle.net/1822/81981 |
Acesso: | Acesso aberto |
Aparece nas coleções: | BUM - Dissertações de Mestrado DSI - Engenharia e Gestão de Sistemas de Informação |
Ficheiros deste registo:
Ficheiro | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Francisco Jose Casanova Faria Campos.pdf | 1,5 MB | Adobe PDF | Ver/Abrir |
Este trabalho está licenciado sob uma Licença Creative Commons