Proposta de um Sistema de Orientação Vocacional Automatizado e Inteligente com Base na Análise dos Microdados do POSCOMP
Desempenho no POSCOMP, Sistema de Orientação Vocacional, K-means, processo KDD, Análise Exploratório dos Dados
Com os avanços da tecnologia de informação, a educação pode evoluir no sentido de proporcionar metodologias inovadoras para o processo de ensino e aprendizagem. Acompanhar o desenvolvimento dos discentes em sala de aula ou durante o processo acadêmico torna-se uma tarefa desafiadora para os professores, gestores e coordenadores de instituições de ensino superior. Anualmente, a SBC oferece o exame POSCOMP para os discentes de cursos da área de computação poderem ingressar em Programas de Pós-Graduação em Computação no Brasil, assim como também testar seus conhecimentos em temas da área da computação. Desta forma, o uso de algoritmos de inteligência computacional e aprendizado de máquina contribui em buscar formas de acompanhar o desenvolvimento dos discentes, diminuindo taxas de evasão, baixos rendimentos acadêmicos e proporcionando orientação de carreiras acadêmicas ou profissionais. Nesse sentido, este trabalho propõe um sistema de orientação vocacional automatizado e inteligente para recomendações de linhas de pesquisa para o discente. A proposta resulta do uso de análise exploratória dos dados do POSCOMP nos anos de 2016 a 2019, com aplicação de técnicas de clusterização utilizando o algoritmo K-means. O método implementado para análise e exploração dos dados foi o processo KDD, a fim de obter conhecimento sobre as linhas de pesquisa mais requisitadas e o desempenho em temas de estudos aplicados no exame do POSCOMP. Com a utilização do processo KDD, foi possível descobrir conhecimentos úteis, identificando o perfil dos candidatos a PPGs em computação. Os resultados preliminares demonstram a viabilidade do sistema proposto, assim como a identificação de diferentes perfis de candidatos com base em suas notas.