ADEGA: Análise de Dados Estatísticos da Grade Acadêmica

Autores

DOI:

https://doi.org/10.5902/2448190467933

Palavras-chave:

Análise de Dados, Ciência da Computação, Gestão Acadêmica

Resumo

Este artigo descreve o sistema ADEGA (Análise de Dados Estatísticos da Grade Acadêmica). Os sistemas de gestão acadêmica, aplicativos utilizados por instituições de ensino para fazer o acompanhamento acadêmico de alunos, normalmente não fornecem maiores funcionalidades do que um repositório de notas e frequências de alunos. Desse modo, o ADEGA tem como objetivo auxiliar a gestão de coordenações de curso de instituições de ensino superior, utilizando o histórico de notas e frequências para fornecer dados e gráficos com informações relevantes e que não costumam ser abordadas em outros sistemas, como uma lista de alunos em risco de jubilamento, um quadro comparativo entre reprovações por disciplina, entre outras.

 

AGEGA (Academic Grid Statistical Data Analysis)

This paper describes the ADEGA system (Academic Grid Statistical Data Analysis). The academics management systems, applications used by educational institutions to monitor students academically, usually don’t provide greater functionality than a repository of student grades and attendance. Therefore, ADEGA aims to assist in the management of higher education institution’s course coordination, it uses the history of grades and attendance to provide data and graphics with relevant information that don’t usually are included in other systems, like a risk of academic retirement’s list, a comparative chart of failures by subjects, among others.

Downloads

Não há dados estatísticos.

Biografia do Autor

Vinicius Mioto, Universidade Federal do Paraná

Técnico em Informática - IFPR | Estudante de Bacharelado em Ciência da Computação - UFPR

Referências

Beat Schwendimann, Maria Jesus Rodriguez-Triana, Andrii Vozniuk, Luis P. Prieto, MinaShirvani Boroujeni, and Adrian Holzer (2017). Perceiving learning at a glance: A systematic literature review of learning dashboard research. IEEE Transactions on Learning Technologies;

Christen, P. (2012). Data Matching: Concepts and Techniques for Record Linkage, Entity Resolution, and Duplicate Detection. Springer;

Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS quarterly;

Fabrı́cia Damando Santos, Magda Bercht, and Leandro Krug Wives (2015). Classificação de alunos desanimados em um avea: uma proposta a partir da mineração de dados educacionais. Anais do XXVI Simpósio Brasileiro de Informática na Educação;

Laci Mary Barbosa Manhães, Sérgio Manuel Serra da Cruz, Raimundo J. Macário Costa, Jorge Zavaleta, and Geraldo Zimbrão (2011). Previsão de estudantes com risco de evasão utilizando técnicas de mineração de dados. Anais do XXII Simpósio Brasileiro de Informática na Educação;

Likert, R. (1932). A technique for the measurement of attitudes. Archives of psychology;

McKinney, W. (2012). Python for data analysis: Data wrangling with Pandas, NumPy, and IPython. ”O’Reilly Media, Inc.”;

Merkel, D. (2014). Docker: lightweight Linux containers for consistent development and deployment. Linux journal, 2014 (239);

Máverick Dionı́sio, Rafael Ferreira, Anderson Cavalcanti, Ruan Carvalho, and Sebastião Neto (2017). Mineração de Texto Aplicada à Identificação de Colaboração em Fóruns Educacionais. Anais do XXVIII Simpósio Brasileiro de Informática na Educação (SBIE 2017).

Pedro de Torres Maschio, Marcos Alves Vieira, Newarney Torrezão da Costa Sara, Luzia de Melo, and Cleon Xavier Pereira Junior (2018). Um panorama acerca da mineração de dados educacionais no brasil. Anais do XXIX Simpósio Brasileiro de Informática na Educação;

Sandro J. Rigo, Wagner Cambruzzi, Jorge L. V. Barbosa, and Sı́lvio C. Cazella (2014). Aplicações de mineração de dados educacionais e learning analytics com foco na evasão escolar: oportunidades e desafios. Revista Brasileira de Informática na Educação, 22(01);

Sievert, C., Parmer, C., Hocking, T., Chamberlain, S., Ram, K., Corvellec, M., and Despouy, P. (2016). plotly: Create interactive web graphics via plotly’s javascript graphing library [software];

Sonja Išljamović and Srdan Lalić (2014). Academic dashboard for tracking students’ efficiency. In Proceedings Of XIV International Symposium New Business Models And Sustainable Competitiveness;

Victor A. S. Ferreira and Germano C. Vasconcelos (2017). Recomendação de recursos educacionais baseada em aprendizagem de máquina para autorregulação da aprendizagem. Anais do XXVIII Simpósio Brasileiro de Informática na Educação (SBIE 2017).

Downloads

Publicado

2021-11-17

Como Citar

Sodré, A. P. A., Meyer, B. H., Junior, B. M., Margotte, H., de Miranda, M. P., Junior, O. M. D., de Andrade, P. P., Valadares, T. S., & Mioto, V. (2021). ADEGA: Análise de Dados Estatísticos da Grade Acadêmica. Revista ComInG - Communications and Innovations Gazette, 5(3), 55–64. https://doi.org/10.5902/2448190467933

Edição

Seção

Artigos PET