@MASTERSTHESIS{ 2021:1567515235,
 	title = {Previsão da evasão estudantil em disciplinas introdutórias de programação por meio de mineração de dados sociodemográficos},
 	year = {2021},
 	url = "https://tede.ufam.edu.br/handle/tede/9094",
 	abstract = "A evasão estudantil caracteriza-se como um processo de exclusão do ambiente educacional determinado por fatores motivacionais, estruturais, socioeconômicos, internos e externos às instituições de ensino. A evasão em disciplinas introdutórias de programação, conhecidas como CS1, constitui-se em um desafio frequentemente observado em cursos de ciências exatas e de engenharias. O objetivo deste trabalho é construir um modelo de previsão de evasão de estudantes em disciplinas CS1 destes cursos com uso de dados sociodemográficos, passível de aplicação ainda no início de cada período letivo. A metodologia aplicada foi baseada no processo de mineração de dados CRISP-DM (Cross-Industry Standard Processo of Data Mining), com adaptações ao ambiente educacional, para extração do conhecimento e construção do modelo preditivo de evasão baseada na dimensão sociodemográfica dos estudantes. Com o intuito de validar a metodologia proposta, foram realizados experimentos com dados de ex-estudantes de CS1 dos cursos de ciências exatas e de engenharias da Universidade Federal do Amazonas. A previsão de evasão de
 estudantes nessas turmas mostrou-se viável, sendo construído um modelo preditivo com uso do classificador AdaBoost facilmente adaptável, permitindo a condução de iniciativas institucionais e pedagógicas mais eficientes de combate à evasão estudantil.",
 	publisher = {Universidade Federal do Amazonas},
 	scholl = {Programa de Pós-graduação em Informática},
 	note = {Instituto de Computação}
}