Predição do desempenho da redação do enem utilizando técnicas de mineração de dados

Abstract

O avanço das tecnologias da informação e comunicação tem proporcionado o armazenamento de bases de dados cada vez maiores. Devido a isso, as diversas técnicas de mineração de dados vêm sendo utilizadas para realizar descoberta de padrões que permitem a melhoria em muitas áreas, bem como vantagens competitivas, quando a mesma é aplicada sobre bases de dados comerciais. As técnicas de mineração de dados podem ser empregadas em quaisquer áreas, porém em algumas áreas como Marketing, Detecção de fraude, Investimento financeiros, essas técnicas vêm sendo utilizadas com mais regularidade. A mineração de dados educacionais (EDM) é uma das diversas linhas de pesquisas da mineração, sendo a responsável pela descoberta de informações (KDD) em bases de dados que contém informações acadêmicas. Desta forma esse trabalho propõe-se a encontrar padrões e gerar um modelo preditivo do indicador de desempenho das notas da prova de redação referentes aos dados educacionais do Exame Nacional do Ensino Médio (ENEM) de 2016. Neste contexto, foram feitos experimentos onde os dados foram categorizados, para obter um melhor resultado na aplicação dos algoritmos. A classe predita foi a nota da redação que foi categorizada como: baixo, médio, alto e nulo. Os modelos finais foram treinados e testados por meio dos algoritmos: Naive Bayes e J48. Esses algoritmos foram utilizados através do pacote de software WEKA. Por meio da utilização dessas técnicas de mineração de dados, o modelo com o maior desempenho conseguiu prever 61.7464% das amostras presentes na base de dados do ENEM 2016.

The advancement of information and communication technologies has provided an increasing capacity of storage databases. Due to this, several data mining techniques have been used to discover patterns that allow improvement in many areas, as well as competitive advantages, when applied on commercial databases. Data mining techniques can be used in any area; however, areas as marketing, fraud detection and financial investments have been employing these techniques more frequently. Educational data mining (EDM) is one of many data mining research lines, and it is responsible for knowledge-discovery in databases (KDD) that contain academic information. Therefore, the present study aims to detect patterns and creat a predictive model of the performance indicator of writing test scores for the National High School Exam (ENEM) - 2016 data. In this context, experiments were made where data were categorized, in order to obtain better results in the application of algorithms. The predicted class was the writing test score, which was categorized as: low, medium, high and null. Final models were trained and tested through the algorithms: Naive Bayes and J48. These algorithms were used through the WEKA software package. The use of these data mining techniques allowed the model with the best performance to predict correctly 61.7464% of the samples found in the ENEM 2016 databases.