Linha de pesquisa: Ciência de Dados

Resumo:  O sucesso acadêmico dos alunos no ensino superior é influenciado por diversos fatores, como desempenho nas avaliações, frequência às aulas e engajamento com os tópicos ministrados. Altas taxas de evasão e reprovação impactam não apenas as instituições de ensino, mas também a economia, ao contribuírem para a escassez de profissionais qualificados no mercado de trabalho. Universidades frequentemente dispõem de grandes volumes de dados acadêmicos que, quando devidamente analisados, podem oferecer insights valiosos sobre esses fenômenos e apoiar a formulação de estratégias para melhorar o desempenho estudantil e reduzir os índices de evasão. Nesse contexto, este trabalho apresenta o LearnVis, um sistema de visualização interativa desenvolvido para auxiliar profissionais da educação na análise detalhada do desempenho dos alunos ao longo do curso. O sistema permite explorar diferentes perspectivas, como padrões de frequência, múltiplas tentativas em um mesmo módulo, relação entre faltas e notas, e o impacto de tópicos específicos no sucesso ou fracasso dos alunos. A proposta foi desenvolvida a partir de requisitos e tarefas definidos em conjunto com especialistas da área educacional e aplicado a dados reais de 1.490 estudantes do curso de Sistemas de Informação da Universidade Federal de Uberlândia, abrangendo o período de 2009 a 2019. Por meio de estudos de caso, foi possível demonstrar que o LearnVis auxilia na identificação de padrões críticos, destacando situações que podem demandar intervenções, como módulos com altas taxas de reprovação ou grupos de alunos com comportamento de risco. Como contribuição, o sistema oferece suporte à tomada de decisão, auxiliando na criação de estratégias pedagógicas mais assertivas, no aprimoramento do currículo e no aumento da retenção dos alunos.

Link para a defesa: https://teams.microsoft.com/l/meetup-join/19%3ameeting_OWEwMWI2N2UtYzdhNC00MTRkLTkzMjAtNmQ0ZGIyNTFlM2I0%40thread.v2/0?context=%7b%22Tid%22%3a%22cd5e6d23-cb99-4189-88ab-1a9021a0c451%22%2c%22Oid%22%3a%221fc45234-0532-4bca-b60f-cbb2068fea9d%22%7d