Um Estudo Comparativo para Prever o Desempenho dos Estudantes Usando Técnicas de Mineração de Dados Educacionais

A previsão do desempenho dos estudantes é essencial para uma universidade prevenir a reprovação. O número de desistências é um dos parâmetros que podem ser usados para medir o desempenho dos estudantes e um ponto importante que deve ser avaliado na acreditação das universidades da Indonésia. A Mineração de Dados tem sido amplamente utilizada para prever o desempenho dos estudantes, e a mineração de dados aplicada neste campo é geralmente chamada de Mineração de Dados Educacionais. Este estudo realizou a Seleção de Atributos para selecionar atributos de alta influência no desempenho dos estudantes no Departamento de Engenharia Industrial da Universitas Islam Indonesia. Em seguida, dois algoritmos de classificação populares, Rede Bayesiana e Árvore de Decisão, foram implementados e comparados para conhecer o melhor resultado de previsão. O resultado mostrou que a presença dos estudantes e a média de notas no primeiro semestre estavam no topo de todos os métodos de Seleção de Atributos, e a Rede Bayesiana apresentou melhor desempenho que a Árvore de Decisão, pois teve uma taxa de precisão mais alta.