Identificação de grupos de estudantes 
no Prosel usando Mapas de Kohonen 
Romualdo André da Costa 
@romualdoandre
Introdução 
● Recordes no número de vagas no ensino 
superior (INEP, 2009). 
● Traçar políticas de acesso e permanência.
Introdução 
● Clusterização com mapas de Kohonen (Kaski, 
Nikkilä e Kohonen, 1998). 
● Determinar perfis de estudante insc...
Metodologia 
● Seleção dos dados 
– Formulário Web 
– 33 questões 
– Perfil socioeconômico 
– 15 escolhidas: renda, escola...
Metodologia 
● Treinamento 
– Orange Canvas (Demšar, J., et al, 2004). 
– Total de registros: 13510. 
– 10% aleatórios par...
Metodologia 
● Análise dos resultados 
– Matriz U. 
– Ponto de vista macro. 
– Vetores de referência (codebook vectors). 
...
Resultados e discussão: Renda Familiar 
0: Até 1 salário mínimo 
1: mais de um até três salários 
mínimos; 
2: de três até...
Resultados e discussão: Escolaridade do pai 
0: Não frequentou escolas; 
1: Ensino Fundamental incompleto; 
2: Ensino Fund...
Resultados e discussão: Escolaridade da 
0: Não frequentou escolas; 
1: Ensino Fundamental incompleto; 
2: Ensino Fundamen...
Resultados e discussão: Estabelecimento 
ensino médio 
0: Todo em escola pública; 
1: Todo em escola particular; 
2: Metad...
Resultados e discussão: tempo de conclusão 
do ensino médio 
0: Estou concluindo 
este ano; 
1: 1 ano; 
2: 2 anos; 
3: 3 a...
Conclusão 
● O mapa reflete as classes sociais de acordo 
com o IBGE. 
● Candidatos com menor renda e de escola 
pública d...
Referências 
● Demšar, Janez, et al. Orange: From experimental machine learning to 
interactive data mining. Springer Berl...
Próximos SlideShares
Carregando em…5
×

Identificação de grupos de estudantes no Prosel usando Mapas de Kohonen

212 visualizações

Publicada em

Projeto final da disciplina Inteligência Computacional do Mestrado em Computação Aplicada da UEFS

Publicada em: Engenharia
0 comentários
0 gostaram
Estatísticas
Notas
  • Seja o primeiro a comentar

  • Seja a primeira pessoa a gostar disto

Sem downloads
Visualizações
Visualizações totais
212
No SlideShare
0
A partir de incorporações
0
Número de incorporações
2
Ações
Compartilhamentos
0
Downloads
2
Comentários
0
Gostaram
0
Incorporações 0
Nenhuma incorporação

Nenhuma nota no slide

Identificação de grupos de estudantes no Prosel usando Mapas de Kohonen

  1. 1. Identificação de grupos de estudantes no Prosel usando Mapas de Kohonen Romualdo André da Costa @romualdoandre
  2. 2. Introdução ● Recordes no número de vagas no ensino superior (INEP, 2009). ● Traçar políticas de acesso e permanência.
  3. 3. Introdução ● Clusterização com mapas de Kohonen (Kaski, Nikkilä e Kohonen, 1998). ● Determinar perfis de estudante inscritos no Prosel 2014.1 da UEFS. Relações entre 16 animais gerados pelo SOM. Fonte: Kaski, Nikkilä e Kohonen (1998)
  4. 4. Metodologia ● Seleção dos dados – Formulário Web – 33 questões – Perfil socioeconômico – 15 escolhidas: renda, escolaridade e residência
  5. 5. Metodologia ● Treinamento – Orange Canvas (Demšar, J., et al, 2004). – Total de registros: 13510. – 10% aleatórios para treinamento. – 10 x 10, 15 x 15 e 20 x 20 neurônios. – 10 x 10 mais visível. – 1000 iterações, raio inicial 3 e final 1.
  6. 6. Metodologia ● Análise dos resultados – Matriz U. – Ponto de vista macro. – Vetores de referência (codebook vectors). – Renda e escolaridade do candidato e familiares.
  7. 7. Resultados e discussão: Renda Familiar 0: Até 1 salário mínimo 1: mais de um até três salários mínimos; 2: de três até cinco salários mínimos; 3: de cinco até dez salários mínimos; 4: de dez até vinte salários mínimos; 5: mais de vinte salários mínimos.
  8. 8. Resultados e discussão: Escolaridade do pai 0: Não frequentou escolas; 1: Ensino Fundamental incompleto; 2: Ensino Fundamental completo; 3: Ensino Médio incompleto; 4: Ensino Médio completo; 5: Superior incompleto; 6: Superior completo; 7: Pós-graduado.
  9. 9. Resultados e discussão: Escolaridade da 0: Não frequentou escolas; 1: Ensino Fundamental incompleto; 2: Ensino Fundamental completo; 3: Ensino Médio incompleto; 4: Ensino Médio completo; 5: Superior incompleto; 6: Superior completo; 7: Pós-graduado. mãe
  10. 10. Resultados e discussão: Estabelecimento ensino médio 0: Todo em escola pública; 1: Todo em escola particular; 2: Metade em escola pública e metade em escola particular; 3: Maior parte em escola pública; 4: Maior parte em escola particular.
  11. 11. Resultados e discussão: tempo de conclusão do ensino médio 0: Estou concluindo este ano; 1: 1 ano; 2: 2 anos; 3: 3 anos; 4: 4 anos; 5: 5 ou mais anos.
  12. 12. Conclusão ● O mapa reflete as classes sociais de acordo com o IBGE. ● Candidatos com menor renda e de escola pública demoram mais para ingressar no ensino superior. ● Políticas de ingresso e permanência ainda são necessárias. ● Hereditariedade da pobreza.
  13. 13. Referências ● Demšar, Janez, et al. Orange: From experimental machine learning to interactive data mining. Springer Berlin Heidelberg, 2004. ● Resumos técnicos, Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira, [online] 2014, http://portal.inep.gov.br/web/censo-da-educacao-superior/resumos-tecnicos (Acessado: 9 de julho de 2014) ● S. Kaski, J. Nikkilä e T Kohonen. "Methods for interpreting a self-organized map in data analysis." In Proc. 6th European Symposium on Artificial Neural Networks (ESANN98). D-Facto, Brugfes. 1998.

×