Cálculo Preditivo de Classificação das Notas do Enade Utilizando Redes Neurais Artificiais Outros Idiomas

ID:
51413
Resumo:
Este artigo tem como escopo o desenvolvimento de um modelo classificatório com finalidade preditiva de calcular o Conceito Final do Exame Nacional de Desempenho dos Estudantes (ENADE) por meio de uma Rede Neural Artificial (RNA), que através do seu mecanismo de aprendizado supervisionado forneça com precisão de 99,997% de acerto os Conceitos ENADE para toda e qualquer Instituições de Ensino Superior (IES) que se pretenda avaliar. Desta forma, a situação problema reside nas quantidades de variáveis e considerações necessárias a se fazer quando se deseja calcular o Conceito Final do ENADE. Ancorado em análise quantitativa adotada realizou-se um estudo visando à praticidade destes cálculos, a possibilidade de elaborar simulações e criar cenários relevantes, de forma a fornecer aos gestores e coordenadores das IES – Instituições de Ensino Superior, indicadores que facilitem eliminar falhas preventivamente durante o processo de formação dos alunos. Neste desenvolvimento, foi utilizado a base de dados fornecida pelo Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira (INEP) e o software MATLAB versão 2017a (MathWorks, Inc.) – Neural Networks Toolbox.
Citação ABNT:
NUNES, R. M.; QUADRELLI, G.; NAZARÉ, T. B. Cálculo Preditivo de Classificação das Notas do Enade Utilizando Redes Neurais Artificiais . Revista de Tecnologia Aplicada, v. 7, n. 2, p. 71-81, 2018.
Citação APA:
Nunes, R. M., Quadrelli, G., & Nazaré, T. B. (2018). Cálculo Preditivo de Classificação das Notas do Enade Utilizando Redes Neurais Artificiais . Revista de Tecnologia Aplicada, 7(2), 71-81.
DOI:
http://dx.doi.org/10.21714/2237-3713rta2018v7n2p71
Link Permanente:
http://www.spell.org.br/documentos/ver/51413/calculo-preditivo-de-classificacao-das-notas-do-enade-utilizando-redes-neurais-artificiais--/i/pt-br
Tipo de documento:
Artigo
Idioma:
Português
Referências:
Braga, A. P., Ludemir, T. B., & Carvalho, A. C. P. L. F. (2010). Redes neurais artificiais: teoria e aplicações. Rio de Janeiro: LTC.

Cruz, A. J., Nossa, V., Balassiano, M., & Teixeira, A. (2013). Desempenho dos alunos no

Ford, N. (2015). Expert systems and artificial intelligence: an information manager´s guide. London: Library Association Publishing.

Haykin, S. (2001). Redes Neurais: princípios e prática. Porto Alegre: Bookman.

Instituto Nacional de Pesquisas Educacionais Anísio Teixeira. (2010). Cálculo do conceito ENADE. Recuperado em 15 fevereiro, 2017, de http://download.inep.gov.br/educacao_superior/enade/notas_tecnicas/2010/Nota_Tecnic a_Conceito_Enade_2010.pdf

Martins, M. R., & Alonso, D. F. (2012, janeiro/julho). ENADE e a gestão de cursos superiores de tecnologia em instituições de educação superior do setor privado: implicações para o currículo. Revista Eletrônica Pesquiseduca, 4(7), 184-200.

Soares, A. P.; Nadal, A. C. P. (2000). Redes Neurais Artificiais: teoria e aplicações. Rio de Janeiro: LTC.

Zanetti, S. S., Sousa, E. F., Carvalho, D. F., & Bernardo, S. (2008, março/abril). Estimação da evapotranspiração de referência no estado do Rio de Janeiro usando redes neurais artificiais. Revista Brasileira de Engenharia Agrícola e Ambiental, 12(2), 174-180. Recuperado em 10 novembro, 2017, de http://www.scielo.br/scielo.php?script=sci_arttext&pid=S141543662008000200010&lng=en&nrm=iso