Sistema de previsão de performance para alunos em cursos online (SPPACO)

Abstract

A discussão sobre os principais fatores que causam a evasão dos alunos de cursos de Ensino a Distância é bastante ampla, passando por fatores sociais, institucionais e econômicos. Dentre todos esses fatores, um específico que se destaca é o baixo desempenho acadêmico dos alunos, que é percebido nas sucessivas reprovações, culminando na desistência definitiva do curso. Alguns autores tratam as reprovações como causa explícita da desistência ou evasão, outros, por outro lado, elegem as reprovações como um variável importante do processo. Independentemente dos motivos pelos quais as taxas de evasão atingem valores tão elevados, é importante que a sociedade educacional, bem como seus gestores, pensem em estratégias para combatê-la. Com base nesse cenário, esse trabalho propõe a criação do Sistema de Previsão de Performance para Alunos em Cursos Online (SPPACO), que é um sistema de previsão de performance de alunos, baseado em Processamento de Linguagem Natural e Redes Neurais Artificiais Profundas, para ser utilizado como ferramenta de mitigação das reprovações e, portanto, contribuindo com o combate a evasão. Para criação do SPPACO foram testadas as principais arquiteturas de redes neurais artificiais profundas do estado da arte. As arquiteturas foram comparadas exaustivamente entre si e, também, em conjunto, com intuito de identificar a arquitetura mais adequada para o problema proposto. Com essa metodologia alcançou-se até 98% de acurácia nas previsões nos testes realizados. Por fim, vislumbrando uma possível integração sistêmica do SPPACO com as plataformas educacionais, foi proposta uma arquitetura conceitual de serviço das previsões realizadas.

Abstract: The discussion about the main factors that cause students to drop out of Distance Learning courses is quite broad, including social, institutional and economic factors. Among all these factors, one specific one that stands out is the low academic performance of students, which is seen in successive failures, culminating in definitive withdrawal from the course. Some authors treat failures as an explicit cause of withdrawal or evasion, others, on the other hand, choose failures as an important variable in the process. Regardless of the reasons why dropout rates reach such high values, it is important that the educational society, as well as its managers, think of strategies to combat it. Based on this scenario, this work proposes the creation of the Performance Prediction System for Students in Online Courses (SPPACO), which is a student performance prediction system, based on Natural Language Processing and Deep Artificial Neural Networks, to be used as a tool to mitigate failures and, therefore, contributing to the fight against evasion. To create SPPACO, the main state-of-the-art deep artificial neural network architectures were tested. The architectures were exhaustively compared with each other and also together, with the aim of identifying the most suitable architecture for the proposed problem. With this methodology, up to 98% accuracy was achieved in predictions in the tests carried out. Finally, envisioning a possible systemic integration of SPPACO with educational platforms, a conceptual service architecture for the predictions made was proposed.