@MASTERSTHESIS{ 2013:192044932,
 	title = {Um modelo de dados para apoiar a mineração de dados educacionais na investigação de evasão de estudantes},
 	year = {2013},
 	url = "http://teste.tede.unifacs.br:8080/tede/handle/tede/571",
 	abstract = "O advento da inclusão da Educação a Distância – EAD na Lei de Diretrizes e Bases da Educação – Lei 9.394, de 20 de dezembro de 1996, alçou a modalidade como uma das principais estratégias de inclusão educacional no Brasil, provocando um efervescente crescimento da oferta de cursos, com uma variada gama de metodologias e formatos educacionais. O uso intenso de soluções de software na operação e gestão desses cursos, tais como sistemas de gestão de aprendizagem, produz um grande volume de dados inerentes ao comportamento de seus estudantes, matéria prima pouco aproveitada nos processos decisórios dessas instituições. As técnicas e algoritmos de mineração de dados, por sua capacidade de processar grandes montantes de dados na identificação de padrões comuns, têm sido utilizadas por pesquisadores e gestores de cursos da modalidade como apoio nos seus processos decisórios. Esses trabalhos, porém, guardam pouca ou nenhuma relação entre si no que se refere a abordagens e terminologias. A contribuição dessa dissertação de mestrado baseia-se na construção e proposição de um modelo de dados que reúna indicadores aplicáveis em diversas situações educacionais e que possa ser utilizado como referência em futuras pesquisas, proporcionando uma maior homogeneidade de terminologias e, consequentemente, permitindo análises comparativas em diferentes trabalhos. Para a seleção das entidades e atributos que compõem o modelo proposto, foi realizado um levantamento bibliográfico acerca das pesquisas realizadas na área da mineração de dados educacionais e dos principais modelos conceituais de análise comportamental de estudantes. Dessa forma, foi proposto um modelo para aplicações de mineração de dados educacionais e, tomando como foco o fenômeno da evasão, um estudo de avaliação foi realizado, mostrando que o modelo é aplicável, permitindo a identificação de indícios de evasão de estudantes, além de reduzir os esforços necessários para a seleção de atributos e subsequente preparação dos dados para a mineração de dados. A possibilidade de utilização do modelo em futuras pesquisas permitirá a convergência de termos e conceitos, propiciando uma maior troca de experiências entre pesquisadores.",
 	publisher = {Universidade Salvador},
 	scholl = {Sistemas e Computação},
 	note = {Sistemas e Computação}
}