Missing data analysis using machine learning methods to predict the performance of technical students

G. de Melo Junior, S. Gomes Soares Alcalá, G. Pereira Furriel, S.L. Vieira

Revista Brasileira de Computação Aplicada Vol. 12, nº. 2, pp. 134 - 143

Resumen:

O aprendizado de máquina (ML) tornou-se uma tecnologia emergente capaz de resolver problemas em muitas áreas, incluindo educação, medicina, robótica e aeroespacial. O ML é um campo específico de inteligência artificial que projeta modelos computacionais capazes de aprender com os dados. No entanto, para desenvolver um modelo de ML, é necessário garantir a qualidade dos dados, pois os dados do mundo real são incompletos, ruídosos e inconsistentes. Este artigo avalia métodos avançados de tratamento de dados ausentes usando algoritmos ML para classificar o desempenho de estudantes do ensino médio do Instituto Federal de Goiânia como no Brasil. O objetivo é fornecer uma ferramenta computacional eficiente para auxiliar o desempenho educacional que permite aos educadores verificar a tendência do aluno a reprovar. Os resultados indicam que o método de ignorar e descartar supera outros métodos de tratamento de dados ausentes. Além disso, os testes revelam que a Otimização Mínima Sequencial, Redes Neurais e Bagging superam os outros algoritmos de ML, como Naive Bayes e Árvore de Decisão, em termos de precisão de classificação.

Palabras Clave: Missing Data Treatment Methods, Machine Learning, Evaluation of algorithms

Referencia DOI: https://doi.org/10.5335/rbca.v12i2.10565

Publicado en papel: Julio 2020.

Publicado on-line: Julio 2020.

Cita:
G. de Melo Junior, S. Gomes Soares Alcalá, G. Pereira Furriel, S.L. Vieira, Missing data analysis using machine learning methods to predict the performance of technical students. Revista Brasileira de Computação Aplicada. Vol. 12, nº. 2, pp. 134 - 143, Julio 2020. [Online: Julio 2020]