Por favor, use este identificador para citar o enlazar este ítem: https://rima.ufrrj.br/jspui/handle/20.500.14407/14065
Tipo do documento: Dissertação
Título: Estudo da metodologia de data analytics aplicada em pesquisas sobre o fenômeno da evasão no ensino superior utilizando a estrutura da design science research
Otros títulos: Study of the data analytics methodology applied in research on the phenomenon of dropout in higher education using the structure design science research
Autor: Azevedo, Láyla Advincula Candido de
Orientador(a): Lyra, Adria Ramos de
Primeiro coorientador: Mello, Carlos Eduardo Ribeiro de
Primeiro membro da banca: Lyra, Adria Ramos de
Segundo membro da banca: Alvim, Leandro Guimaraes Marques
Terceiro membro da banca: Moraes, Laura de Oliveira Fernandes
Palabras clave: Humanidades Digitais;Data Analytics;Design Science Research;Evasão;Ensino Superior;Digital Humanities;Data Analytics;Design Science Research;Droupout;Higher Education
Área(s) do CNPq: Interdisciplinar
Idioma: por
Fecha de publicación: 28-abr-2022
Editorial: Universidade Federal Rural do Rio de Janeiro
Sigla da instituição: UFRRJ
Departamento: Instituto Multidisciplinar de Nova Iguaçu
Programa: Programa de Pós-Graduação Interdisciplinar em Humanidades Digitais
Citación: AZEVEDO, Láyla Advincula Candido de. Estudo da metodologia de data analytics aplicada em pesquisas sobre o fenômeno da evasão no ensino superior utilizando a estrutura da design science research. 2022. 97 f. Dissertação (Mestrado em Humanidades Digitais) - Instituto Interdisciplinar de Nova Iguaçu, Universidade Federal Rural do Rio de Janeiro, Nova Iguaçu, 2022.
Resumen: A evasão escolar é um fenômeno complexo que afeta o desempenho socioeconômico de um país e durante muitas décadas tem sido objeto de estudo de pesquisadores de diversas áreas por todo o mundo. Tendo um caráter interdisciplinar observa-se que estudos sobre o fenômeno da evasão têm se valido de modelos analíticos quantitativos, recorrendo em especial, ao uso de metodologias de análise de dados. Sendo assim, essa dissertação, inserida no campo das Humanidades Digitais, tem por objetivo pesquisar abordagens de Data Analytics para o apoio às Políticas de Ensino Superior em cursos de graduação (bacharelados e licenciaturas) na modalidade de ensino presencial, voltadas, especificamente, para o controle e combate à evasão escolar. A pesquisa conduzida abordou duas frentes: (a) revisão sistemática da literatura – onde, como o próprio nome diz, de forma sistemática, utiliza-se critérios de busca para coletar, identificar e selecionar trabalhos científicos relevantes da literatura pertinentes ao tema; e (b) criação de uma metodologia baseada na Design Science Research para desenvolver a análise dos trabalhos da literatura. A metodologia proposta é composta por quatro componentes: Enquadramento, Teoria, Modelagem e Protocolo Experimental. O protocolo elaborado para orientar a Revisão Sistemática foi satisfatório retornando 42 artigos para análise. Na análise do Enquadramento, verificou-se que a tarefa de Data Analytics mais utilizada é a preditiva, e dentre estas observou-se uma predominância na utilização de técnicas individuais em detrimento dos métodos ensembles, sendo a Árvore de Decisão uma das mais utilizadas. Menos de 50% dos estudos definem o termo evasão e 70% deles tratam esse fenômeno como uma tarefa de classificação. Com relação à Teorização, as informações acadêmicas são as mais consideradas para construção dos modelos. Boa parte dos trabalhos parte da teoria de que o desempenho acadêmico é um preditor importante para a evasão. Quanto à Modelagem, avaliou-se que grande parte dos estudos utilizam apenas um conjunto de dados, cuja origem pode ser das informações do sistema acadêmico (fontes internas); pesquisas institucionais, que compõem bases de dados nacionais, regionais e acadêmicas ou de questionários utilizados pelos próprios pesquisadores para adquirir informações mais específicas (fontes externas). Além disso, utilizou-se uma combinação de informações (background demográfico, desempenho/informação escolar anterior e Informações/desempenho acadêmico) para a construção dos modelos. Na análise do Protocolo Experimental, observou-se que o método de ajuste de modelo mais utilizado foi a validação cruzada (cross-validation) e a métrica de interesse mais utilizada fora a Acurácia, presente em 26 estudos. Esses resultados e análises levaram a construção de um mapa mental, organizando as principais propostas da literatura. A metodologia proposta com base na DSR foi fundamental para a análise dos trabalhos, possibilitando a identificação das abordagens de Data Analytics presentes nos trabalhos investigados de forma ortogonal aos componentes, contribuindo para que futuras pesquisas se beneficiem desta metodologia, especialmente no que diz respeito à criação de artefatos computacionais. O estudo também evidenciou que é possível utilizar a abordagem de Data Analytics para lidar com a evasão de alunos, eventualmente contribuindo para mitigar os efeitos deste fenômeno no Ensino Superior.
Abstract: School dropout is a complex phenomenon that affects the socioeconomic performance of a country and for many decades has been the object of study by researchers from different areas around the world. Having an interdisciplinary character, it is observed that studies on the phenomenon of dropout have made use of quantitative analytical models, resorting in particular to the use of data analysis methodologies. Therefore, this dissertation, inserted in the field of Digital Humanities, aims to research Data Analytics approaches to support Higher Education Policies in undergraduate courses (bachelors and licentiates) in the face-to-face teaching modality, specifically aimed at the control and fight against school dropout. The research conducted addressed two fronts: (a) systematic literature review – where, as the name implies, search criteria are used systematically to collect, identify and select relevant scientific works from the literature relevant to the topic; and (b) creation of a methodology based on Design Science Research to develop the analysis of works in the literature. The proposed methodology is composed of four components: Framework, Theory, Modeling and Experimental Protocol. The protocol developed to guide the Systematic Review was satisfactory, returning 42 articles for analysis. In the Framing analysis, it was found that the most used Data Analytics task is the predictive one, and among these, there was a predominance in the use of individual techniques to the detriment of the ensembles methods, with the Decision Tree being one of the most used. Less than 50% of studies define the term dropout and 70% of them treat this phenomenon as a classification task. Regarding theorization, academic information is the most considered for the construction of models. Much of the work starts from the theory that academic performance is an important predictor of dropout. As for Modeling, it was evaluated that most studies use only one set of data, whose origin can be from information from the academic system (internal sources); institutional surveys, which comprise national, regional and academic databases or questionnaires used by the researchers themselves to acquire more specific information (external sources). In addition, a combination of information (demographic background, previous school performance/information and academic information/performance) was used to build the models. In the analysis of the Experimental Protocol, it was observed that the most used model adjustment method was cross-validation and the most used metric of interest was Accuracy, present in 26 studies. These results and analyzes led to the construction of a mental map, organizing the main proposals in the literature. The methodology proposed based on the DSR was fundamental for the analysis of the works, allowing the identification of Data Analytics approaches present in the investigated works in an orthogonal way to the components, contributing to future research to benefit from this methodology, especially regarding the creation of computational artifacts. The study also showed that it is possible to use the Data Analytics approach to deal with student dropout, eventually helping to mitigate the effects of this phenomenon in Higher Education.
URI: https://rima.ufrrj.br/jspui/handle/20.500.14407/14065
Aparece en las colecciones:Mestrado em Humanidades Digitais

Se for cadastrado no RIMA, poderá receber informações por email.
Se ainda não tem uma conta, cadastre-se aqui!

Ficheros en este ítem:
Fichero Descripción TamañoFormato 
2022 - Láyla Advincula Candido de Azevedo.Pdf2022 - Láyla Advincula Candido de Azevedo3.5 MBAdobe PDFVista previa
Visualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.