Mineração de Dados Educacionais

Uma introdução à

Leandro Augusto da Silva

prof.leandro.augusto@mackenzie.br

Laboratório de Big Data e Métodos Analíticos - BigMAAp

Programa de Pós-Graduação em Engenharia Elétrica e Computação - PPGEEC

Faculdade de Computação e Informática – FCI

Universidade Presbiteriana Mackenzie - UPM

Universidade Presbiteriana Mackenzie

Introdução

• Mineração de Dados (MD) é uma área de pesquisa multidisciplinar, envolvendo basicamente Banco de Dados, Estatística e Aprendizagem de Máquina.

• A MD é parte principal de um processo que tem como entrada uma Base de Dados e como saída um Conhecimento

• Ela é divida em tarefas como predição, clusterização e associação que devem ser escolhidas de acordo com analises exploratórias inicialmente feitas sobre os dados

Prof. Leandro Augusto – prof.leandro.augusto@mackenzie.br – FCI/PPGEEC/Mackenzie

Introdução

“Educational datamining (EDM) is an emerging interdisciplinary research area that deals with the development of methods to explore data originating in an educational context.”

Romero, C., & Ventura, S. (2010). Educational data mining: areview of the state of the art. Systems, Man, andCybernetics, Part C: Applications and Reviews, IEEETransactions on, 40(6), 601-618.

Romero, C., & Ventura, S. (2007). Educational data mining: Asurvey from 1995 to 2005. Expert Systems with Applications,33(1), 135-146.

Tipos de Estudos

• Basicamente classificados pela origem dos dados:

– Histórico educacional do aluno

– Provenientes de ambientes de sala de aula comonotas, curriculos e etc;

– Deixados em registros de log de sistemascomputadorizados como Learning Management System (LMS), Intelligent Tutoring System (ITS) e Adaptive Educational Sypermedia System (AEHS).

Processo de KDD

Bases de Dados

• Importante envolver neste processo um especialista que conhece o problema e que possa auxiliar na escolha de bases de dados.

• Isto significa que podem ocorrer situações onde será necessário utilizar mais de uma base de dados.

• E ainda, esta base poderá representar dados organizados em uma tabela, os quais são chamados de estruturados ou podem estar em documentos descritos na forma de texto ou multimídia (imagem, vídeo e som) os quais são chamados de não estruturados.

Pré-processamento

• Etapas:– Preparação

• ruídos (noise data) ou outliers,

• inconsistências ou • valores faltantes

(missing values).

– Seleção• redundância (de

dados e de atributos)

– Transformação• transformação de

tipos de atributos• normalização de

Tarefas da Mineração de Dados

• Tarefas da Mineração de dados:

– Análise Preditiva• Numérica: classificação de dados

• Categórica: regressão

– Análise de Agrupamento (Clustering)

– Análise de Regras de Associação

Análise preditiva

Conjunto de treinamento

valor previsto

(Conjunto) Teste

Análise preditiva categórica

• Classificação de dados:– Considere as imagens abaixo como sendo uma

amostra de um conjunto de treinamento

Carro Moto Caminhão

• Agora considere que é preciso decidir pela categoria de CNH para dirigir este novo meio de transporte

Tipo B

Tipo A

Tipo C11

Tipo B

Tipo A

Tipo C

Qual tipo de CNH???

Análise Preditiva

Processo de inferir um valor para uma situação nunca antes vista. Exemplos:• Classificar potenciais estudantes em um determinados curso;• Estimar o número de egressos, a partir de uma determinada

campanha;• Classificar o sentimento de alunos em fóruns de discussão (Moodle)

ou redes sociais;• Classificar estudantes com dificuldade de aprenndiado;• Classificar estudantes com potencial de evasão;• Estimar o uso de recursos de ferramentas de LMS ( Moodle);• Outros.

Análise de Agrupamento

Não temos o atributo c

Exemplar do CT

Quantos grupos temos nestabase?

Não temos o atributo c no CT,

mas o resultado do agrupamento podegerar esseconhecimento

Processo de partição de um conjunto de dados heterogêneos em grupos homogêneos. Exemplos:

• Agrupar pessoas com habilidades semelhantes;• Agrupar perfil de pessoas com características de consumo

semelhantes;• Agrupar alunos com desempenhos semelhantes em um conjunto

de disciplinas;• Identificar as variáveis relevantes de cada agrupamento;• Agrupar publicações de fóruns de discussão (Moodle) em conteúdo

semelhante;

• Outros.

Regras de Associação

X ∧ Y

SE X ENTAO Y

Regras de Associação

Usada para determinar quais itens tendem a ocorrer juntamente com outros itens. Exemplos:• Quem opta por um curso X tem a chance de fazer

uma atividade de extensão Y• O desejo pelo curso X implica no desejo do curso

Y• O interesse pelo conteúdo X implica o desejo pelo

conteúdo Y• Outros exemplos como conhecemos da Amazon,

Submarino e etc.

Discussão Final

• Nesta área há um conflito de interesse pelo tema dividindo a audiência entre:

– Learning Analytics

– Educational Data Mining

• Mas nesse esentido, ainda outros nomes poderiam surgir como:

– Academic Analytics

– Educational Analytics

Conferências e Revistas

• Internacionais:– EDM - International Conference on Educational Data

Mining (9a. edicão em 2016)

– JEDM – Journal of Educational Data Mining

– LAK - Learning Analytics and Knowledge (6a. edição em 2016)

– Journal of Learning Analytics

• Nacional:– WMDE - Workshop de Mineração de Dados

Educacionais (3a. Edição em 2016)

Ambientes (Gratuitos) de Desenvolvimento

• Weka

• Orange

• Rattle

• Ou usando pacotes

– Python

Por onde começar....

Leandro Augusto da Silva

prof.leandro.augusto@mackenzie.br

Laboratório de Big Data e

Métodos Analíticos Aplicados - BigMAAp

Programa de Pós-Graduação em Engenharia Elétrica e Computação - PPGEEC

Faculdade de Computação e Informática – FCI

Universidade Presbiteriana Mackenzie – UPM

http://www.bigmaap.mackenzie.br

Mineração de Dados Educacionais

Education

Transcript of Mineração de Dados Educacionais

Fundamentos de Mineração de Dados

TCC Mineração de Dados

MINERAÇÃO DE DADOS BANCOS DE DADOS NÃO CONVENCIONAIS.

Seminário - Mineração de Dados - V2.1

MAXWEL MACEDO DIAS MINERAÇÃO DE DADOS EDUCACIONAIS: RELATO DE EXPERIÊNCIA NO ...repositorio.ufpa.br/jspui/bitstream/2011/9013/1/Dissert... · 2018-10-30 · Mineração de dados

Dados sócio educacionais pirambu

KDD, Mineração de Dados e Algoritmo Apriorigbd.dc.ufscar.br/download/files/courses/NonConventionalDB_2010/... · Mineração de Dados Para (Elmasri e Navathe, 2005) mineração

Mineração de Dados - cin.ufpe.brin940/Mineracao_de_Dados-AntonioBraz.pdf · • Mineração de Dados • Descoberta de Conhecimento em Bases de Dados • Principais tarefas ...

Paradigmas de Mineração de Dados

Mineração de Dados - each.usp.br · Mineração de Dados (Data Mining) ... Obs: Predição com Agrupamento !!! 4 . ma, C. M. Mineração de Dados : interdisciplinaridade 5 (Han

Mineração Livre de Dados

Mineração de Dados Educacionais - potencialidades e desafios

Aula 1 Introdução -Mineração de Dados · Mineração de Dados aplicada à Gestão de Negócios 1) Mineração de Dados Assuntos ultimamente tratados pela Mineração de Dados:

INE 5644 – Mineração de Dados Análise Exploratória de Dados

Mineração de Dados Educaionais

MINERAÇÃO DE DADOS EM SUPERMERCADOS: O · PDF file3 1. Tema e justificativa: mineração de dados e administração O tema da presente pesquisa é mineração de dados, ou data mining,

Mineração de Dados Aplicada

Mineração de Dados - UFPE

Mapeamento Sistemático e Revisão Sistemática da Literatura ... · uma revisão sistemática sobre mineração de dados educacionais. Em uma rápida consulta no google scholar2,

Ferramentas para Mineração de Dados