Prever e melhorar o desempenho dos alunos com o uso combinado de aprendizagem de máquina e GPT

Autores

DOI:

https://doi.org/10.5902/2318133874348

Palavras-chave:

agoritmo, aprendizado de máquina, GPT, predição de desempenho do aluno

Resumo

Por meio deste texto, apresenta-se resultados de pesquisa na qual se utilizou algoritmos de aprendizado de máquina combinado com o GPT para prever e melhorar o desempenho dos alunos. Essa abordagem pode ter impacto inovador na educação e na experiência de aprendizado dos alunos. O estudo teve abordagem quantitativa, com base em pesquisa experimental e técnicas variadas. Foram processados 900 alunos em 21 algoritmos. Os resultados indicaram uma ferramenta poderosa para prever e melhorar o desempenho dos alunos, combinado ao GPT, superando outros métodos. Conhecer as lacunas no conhecimento dos alunos e fornecer feedback personalizado, permite uma formação mais efetiva. Essa combinação pode ser uma ferramenta valiosa para aprimorar a educação.

Downloads

Não há dados estatísticos.

Biografia do Autor

Maurilio Benevento, FGV Eaesp

Fundador da Hands4E: Consultoria Ambidestra (2004 - até o momento)- Co-Fundador da StackX (2020 - 2022); professor da Universidade de São Paulo - Unidade Tatuapé - SP. (2016 - 2022); professor de Pós-Graduação da Sustentare Business School em Joinville-SC (2010 - 2020).

Fernando de Souza Meirelles, FGV Eaesp

Professor titular da Escola de Administração de Empresas se São Paulo da Fundação Getulio Vargas.

Referências

ABDI, Asad. Three types of machine learning algorithms. 2016. Disponível em: https://doi.org/10.13140/RG.2.2.26209.10088. Acesso em: 26 fev. 2023.

AHMAD, Sadique; EL-AFFENDI, Mohammed A.; ANWAR, M. Shahid; IQBAL, Rizwan. Potential future directions in optimization of students’ performance prediction system. Computational Intelligence and Neuroscience, v. 2022, p. 1-26, 2022. Disponível em: https://www.hindawi.com/journals/cin/2022/6864955/. Acesso em: 26 fev. 2023.

ALAMRI, Rahaf; ALHARBI, Basma. Explainable student performance prediction models: a systematic review. IEEE Access, v. 9, 2021, p. 33132-33143. Disponível em: https://ieeexplore.ieee.org/document/9360749/. Acesso em: 26 fev. 2023.

AL-SHABANDAR, Raghad; HUSSAIN, Abrir; LAWS, Andy; KEIGHT, Robert; LUNN, Janet; RADI, Naeem. Machine learning approaches to predict learning outcomes in Massive open online courses. 2017 International Joint Conference on Neural Networks (IJCNN). Anchorage, AK, EUA, 2017, p. 713-720. Disponível em: https://ieeexplore.ieee.org/document/7965922. Acesso em: 26 fev. 2023.

BELACHEW, Ermiyas Birihanu; GOBENA, Feidu Akmel. Student performance prediction model using machine learning approach: the case of Wolkite University. International Journal of Advanced Research in Computer Science and Software Engineering, v. 7, n. 2, 2017, p. 46-50, 2017. Disponível em: https://www.researchgate.net/publication/335691409_Student_Performance_Prediction_Model_using_Machine_Learning_Approach_The_Case_of_Wolkite_University. Acesso em: 20 fev. 2023.

CHATGPT. ChatGPT-3. Disponível em: https://chat.openai.com. Acesso em: 26 fev. 2023.

CORTEX. Maturidade digital nas empresas brasileiras: conheça os setores que mais investem em tecnologia. Disponível em: https://pages.cortex-intelligence.com/pesquisa-maturidade-digital-nas-empresas-brasileiras. Acesso em: 20 jan. 2023.

GIL, Antonio Carlos. Métodos e técnicas de pesquisa social. São Paulo: Atlas, 2019.

KABAKCHIEVA, Dorina. Student performance prediction by using data mining classification algorithms. 2012. Disponível em: https://www.semanticscholar.org/paper/Student-Performance-Prediction-by-Using-Data-Mining-Kabakchieva/1f817e320e0f00fe8225821ce923f85980c1bdc9. Acesso em: 20 jan. 2023.

KARTHIKEYAN, Kulandhivel; KAVIPRIYA, Palaniappan. On improving student performance prediction in education systems using enhanced data mining techniques. International Journal of Advanced Research in Computer Science and Software Engineering, v. 7, n. 5, 2017, p. 935-941. Disponível em: https://www.researchgate.net/publication/318930599_On_Improving_Student_Performance_Prediction_in_Education_Systems_using_Enhanced_Data_Mining_Techniques. Acesso em: 20 jan. 2023

KUBAT, Miroslav. An introduction to machine learning. Cham: Springer International Publishing, 2017. Disponível em: http://link.springer.com/10.1007/978-3-319-63913-0. Acesso em: 20 jan. 2023

LAKATOS, Eva Maria; MARCONI, Marina de Andrade. Fundamentos de metodologia científica. São Paulo: Atlas, 2021.

OBSIE, Efrem Yohannes ADEM, Seid Ahmed. Prediction of student academic performance using neural network, linear regression and support vector regression: a case study. International Journal of Computer Applications, v. 180, 2018, p. 39-47. Disponível em: https://www.semanticscholar.org/paper/Prediction-of-Student-Academic-Performance-using-A-Obsie-Adem/1c7e1e9478cefd58283c9844bb13f7d5a00e6146. Acesso em: 20 jan. 2023.

OFORI, Francis MAINA, Elizaphan; GITONGA, Rhoda. Using machine learning algorithms to predict students performance and improve learning outcome: a literature based review. Journal of Information and Technology, v. 4, n. 1, 2020, p. 33-55, 2020. Disponível em: https://stratfordjournals.org/journals/index.php/Journal-of-Information-and-Techn/article/view/480. Acesso em: 20 jan. 2023.

POJON, Murat. Using machine learning to predict student performance. [s.l: s.n.]. Disponível em: https://www.semanticscholar.org/paper/Using-Machine-Learning-to-Predict-Student-Pojon/4a50f0917142467b1b3ce48d126378a808c4abfc. Acesso em: 20 jan. 2023.

RUTHERFORD, Alexandra. B. F. Skinner and technology’s nation: technocracy, social engineering, and the good life in 20th-century America. History of Psychology, v. 20, 2017, p. 290-312. Disponível em: https://doi.org/10.1037/hop0000062. Acesso em: 20 jan. 2023.

SHOVON, Hedayetul Islam; HAQUE, Mahfuza. An approach of improving student’s academic performance by using K-means clustering algorithm and decision tree. International Journal of Advanced Computer Science and Applications, v. 3, n. 8, 2012. Disponível em: https://doi.org/10.14569/IJACSA.2012.030824. Acesso em: 20 jan. 2023.

SONI, Astha; KUMAR, Vivek; KAUR, Rajwant; HEMAVATHI, D. Predicting student performance using data mining techniques. International Journal of Pure and Applied Mathematics. v. 119, n. 12, 2018, p. 221-227. Disponível em: https://www.acadpubl.eu/hub/2018-119-12/articles/7/1591.pdf. Acesso em: 20 jan. 2023.

VERGARA, Sylvia Constant. Métodos de pesquisa em administração. São Paulo: Atlas, 2010.

Downloads

Publicado

26-03-2023

Como Citar

Benevento, M., & Meirelles, F. de S. (2023). Prever e melhorar o desempenho dos alunos com o uso combinado de aprendizagem de máquina e GPT. Revista De Gestão E Avaliação Educacional, e74348, p. 1–22. https://doi.org/10.5902/2318133874348

Edição

v. 12, n. 21, 2023, publicação contínua

Seção

Artigos

Licença

Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution 4.0 Internacional Reconocimento não comercial sem obra derivada, que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.

Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista. Exemplo: publicar em repositório institucional ou como capítulo de livro, com reconhecimento de autoria e publicação inicial nesta revista.

Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online. Exemplo: em repositórios institucionais ou na sua página pessoal - a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado.

Política de privacidade

Os nomes e endereços informados nesta revista serão usados exclusivamente para os serviços prestados por esta publicação, não sendo disponibilizados para outras finalidades ou a terceiros.