Use este identificador para citar ou linkar para este item:
http://www.repositorio.ufal.br/jspui/handle/123456789/9205
Tipo: | Trabalho de Conclusão de Curso |
Título: | Desenvolvimento de modelos para estimar principais características socioeconômicas para as notas de redação e matemática para ENEM 2018 |
Autor(es): | Santos, Manoela Cassia |
Primeiro Orientador: | Pimentel, Bruno Almeida |
metadata.dc.contributor.referee1: | Silva, Rafael de Amorim |
metadata.dc.contributor.referee2: | Amorim, Lucas Benevides Viana |
Resumo: | Análise preditiva é uma técnica analítica avançada que usa dados, algoritmos e Aprendizagem de Máquina para antecipar tendências e fazer projeções nos negócios. Utilizando como base os dados coletados pelo Exame Nacional do Ensino Médio (ENEM) do ano de 2018, esse trabalho tem como proposta analisar os dados socioeconômicos dos participantes, a fim de aprimorar modelos regressores para prever as notas de Redação e de Matemática dos participantes. Foram desenvolvidos modelos preditivos utilizando algoritmos de Aprendizagem de Máquina (Rede Neural, Random Forest, Árvore de Decisão, Regressão Linear). Após aplicação métricas de avaliação de modelos preditivos, foi constatado que o modelo Rede Neural teve melhor desempenho na predição das notas de Matemática, enquanto Regressão Linear na predição das nota de Redação. Destacaram-se algumas características socioeconômicas sobre tipo de escola, sexo, computador, ocupação do pai, renda familiar mensal, influentes na predição das notas de Redação e Matemática. |
Abstract: | Predictive analytics is na advanced analytical technique that uses data, algorithms and Machine Learning to anticipate trends and make business projections. Using the data collected by the Exame Nacional do Ensino Médio (ENEM) in 2018, this work aims to analyze the socioeconomic data of the participants, in order to improve regression models to predict the Writing and Mathematics scores of the participants. Predictive models were developed using Machine Learning algorithms (Neural Network, Random Forest, Decision Tree, Linear Regression). After applying metrics to evaluate predictive models, it was found that the Neural Network model performed better in predicting math scores, while Linear Regression in predicting writing scores. Some socioeconomic features on type of school, sex, computer, father’s occupation, monthly family income, which are influential in the prediction of Writing and Mathematics scores, stood out. |
Palavras-chave: | Análise Preditiva Análise de Dados Aprendizado de Máquina Mineração de Dados (Computação) Ciência de Dados Exame Nacional do Ensino Médio (Brasil) Data analysis Predictive analysis Machine Learning Data Mining (Computing) Data Science National High School Exam (Brazil) |
CNPq: | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
Idioma: | por |
País: | Brasil |
Editor: | Universidade Federal de Alagoas |
Sigla da Instituição: | UFAL |
metadata.dc.publisher.department: | Curso de Ciências da Computação |
Citação: | SANTOS, Manoela Cassia. Desenvolvimento de modelos para estimar principais características socioeconômicas para as notas de redação e matemática para ENEM 2018. 2022. [44] f. TCC (Graduação em Ciência da Computação) - Universidade Federal de Alagoas. Instituto de Computação. Maceió, 2020. |
Tipo de Acesso: | Acesso Aberto |
URI: | http://www.repositorio.ufal.br/jspui/handle/123456789/9205 |
Data do documento: | 18-ago-2020 |
Aparece nas coleções: | Trabalhos de Conclusão de Curso (TCC) - Bacharelado - CIÊNCIA DA COMPUTAÇÃO- IC |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Desenvolvimento de modelos para estimar principais características socioeconômicas para as notas de redação e matemática para ENEM 2018.pdf | 2.75 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.