@inproceedings{colpo_primo_aguiar_2021, 
  title={Predição da evasão estudantil: uma análise comparativa de diferentes representações de treino na aprendizagem de modelos genéricos}, 
  DOI={10.5753/sbie.2021.218517}, 
  abstractNote={<jats:p>Neste trabalho são avaliadas diferentes formas de representar o comportamento de evasão no desenvolvimento de modelos genéricos, destinados a prever o risco de abandono, em diferentes semestres e cursos, de alunos de graduação da modalidade presencial. A partir de um cuidadoso pré-processamento e da criação de distintas representações de dados de treino, foram construídos diferentes modelos de aprendizado de máquina, a fim de avaliar qual representação melhor contribui para o desempenho das predições. Como resultado, verificou-se que exemplificar o comportamento dos alunos em todos os semestres cursados, de forma acumulada e progressiva, beneficiou a aprendizagem do modelo preditivo, provendo uma acurácia de 80.1%.</jats:p>}, 
  publisher={Sociedade Brasileira de Computação - SBC}, 
  author={Colpo, Miriam Pizzatto and Primo, Tiago Thompsen and Aguiar, Marilton Sanchotene de}, 
  year={2021}, 
  month={Nov}
  }