ADEGA: Análise de Dados Estatísticos da Grade Acadêmica
DOI:
https://doi.org/10.5902/2448190467933Schlagworte:
Análise de Dados, Ciência da Computação, Gestão AcadêmicaAbstract
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
Literaturhinweise
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
Veröffentlicht
Zitationsvorschlag
Ausgabe
Rubrik
Lizenz
Os manuscritos aceitos e publicados são de propriedade da revista ComInG.
Os originais deverão ser acompanhados de documentos de transferência de direitos autorais contendo assinatura dos autores.
A carta de direitos autorais deve ser enviada para o e-mail coming@inf.ufsm.br
É vedada a submissão integral ou parcial do manuscrito a qualquer outro periódico. A responsabilidade do conteúdo dos artigos é exclusiva dos autores.
É vedada a tradução para outro idioma sem a autorização escrita do Editor ouvida a Comissão Editorial.
ENGLISH
Manuscripts accepted and published are the property of the journal ComInG.
The originals must be accompanied by documentation of copyright transfer containing the signature of the authors.
You may not submit full or partial manuscript to another journal. The responsibility of the article's content is exclusive of the authors.
You may not translating into another language without the written permission of the Editor after consultation with the Editorial Board.