| Revista: | Educacao e pesquisa |
| Base de datos: | |
| Número de sistema: | 000539910 |
| ISSN: | 1517-9702 |
| Autores: | Gualhano, Mariana Abreu1 Vasconcelos, Aline Pires Vieira de2 |
| Instituciones: | 1Instituto Federal de Educação Ciência e Tecnologia Fluminense, Macaé, Rio de Janeiro. Brasil 2Instituto Federal de Educação Ciência e Tecnologia Fluminense, Campos dos Goytacazes, Rio de Janeiro. Brasil |
| Año: | 2020 |
| Volumen: | 46 |
| País: | Brasil |
| Idioma: | Portugués |
| Tipo de documento: | Artículo |
| Resumen en portugués | A extração do conhecimento, também conhecida como processo KDD (Knowledge Discovery in Databases), é um conjunto de técnicas (Seleção, Pré-processamento, Tratamento, Mineração e Interpretação de Dados) que tem como objetivo analisar e extrair padrões e informações potencialmente úteis de grandes bases de dados. A avaliação da qualidade dos cursos de graduação no Brasil é feita por meio do Conceito Preliminar de Cursos (CPC), que é um indicador de qualidade que avalia esses cursos. Portanto, a presente pesquisa insere-se no discutido contexto, buscando utilizar técnicas de mineração de dados para extrair conhecimento das avaliações do CPC dos anos de 2014 e 2017 e identificar os principais critérios e resultados da avaliação dos cursos de graduação em Licenciatura, fazendo uma análise dos dados da Rede Federal de todo o Brasil. Para isso, utilizou-se a base de dados disponibilizada no portal do Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira (INEP) e foram utilizadas as etapas do processo KDD, com foco na mineração de dados para extração de conhecimento da base. Os resultados permitiram realizar a identificação dos critérios de avaliação com maior impacto para a avaliação do CPC dos cursos de Licenciatura, além de uma comparação entre a avaliação de 2014 e 2017. Espera-se que as informações extraídas a partir do presente trabalho possam ser úteis e subsidiar a gestão educacional, além de serem utilizadas para o aprimoramento dos cursos de graduação. |
| Resumen en inglés | Knowledge extraction, also known as the KDD (Knowledge Discovery in Databases) process, is a set of techniques (Selection, Pre-processing, Treatment, Data Mining and Data Interpretation) that aims to analyze and extract potentially useful patterns and information from large databases. The evaluation of the quality of undergraduate courses in Brazil is done through the Preliminary Concept of Courses (PCC), which is a quality index that evaluates these courses. Therefore, this research is part of the context presented here, seeking to use data mining techniques to extract knowledge from the PCC evaluations of the years 2014 and 2017 and to identify the main criteria and results of the evaluation of Teaching Certification programs, making an analysis of data from Federal Schools all over Brazil. In order to do that, the database available on the website of INEP (National Institute for Educational Studies and Research) and the KDD process steps were used, focusing on Data Mining to extract knowledge from the database. The results enabled the identification of the evaluation criteria with the greatest impact on the evaluation of the PCC of Teaching Certification programs, in addition to a comparison between the evaluation of 2014 and 2017. The information extracted from the present work will hopefully be useful and may subsidize educational management, in addition to being used to improve undergraduate courses. |
| Disciplinas: | Educación |
| Palabras clave: | Educación superior |
| Keyword: | Educational evaluation, Federal Schools, PCC, Data mining, Teaching Certification programs, Higher education |
| Texto completo: | Texto completo (Ver HTML) Texto completo (Ver PDF) |
