Modelagem estat stica e computacional do comportamento de alunos bolsistas de programas de apoio do N cleo de Assist ncia Estudantil da Universidade Federal do Rio Grande

Atualmente com o grande avanço da tecnologia de coleta e armazenamento de informações, concomitantemente com o avanço dos recursos computacionais de processamento, as organizações acumulam vastas quantidades de dados. Diante do crescimento do volume de dados, identifica-se a necessidade de utilizar ferramentas e tecnologias que analisem base de dados, com o intuito de encontrar padrões e informações relevantes a novos conhecimentos. Com isso surgiu a área de pesquisa da Descoberta de Conhecimento em Bancos de Dados (Knowledge Discovery in Databases - KDD) que consiste no processo de extração de conhecimento a partir de uma grande base de dados. Data Mining, também conhecido como Mineração de Dados é a principal etapa do processo KDD. A mineração de dados é uma tecnologia que combina métodos tradicionais de análise de dados com algoritmos sofisticados para processamento de grandes volumes de dados. Com este contexto, este trabalho visa efetuar um estudo detalhado sobre o processo KDD através da análise de conceitos e técnicas, e realizar aplicações práticas utilizando a ferramenta WEKA (Waikato Environment for Knowledge Analysis) sobre os dados de alunos com subsídio na base de dados do Núcleo de Assistência Estudantil - NAE da Universidade Federal do Rio Grande - FURG dos anos de 2009, 2010 e 2011. Como resultado deste trabalho foi obtido conhecimento sobre a base de dados, e o algoritmo que será executado sobre ela, bem como do processo de KDD e Data Mining. Além disso, foi obtido um modelo de classificação e extração de regras tendo como parâmetro de resposta o comportamento do aluno com bom desempenho versus aluno com baixo desempenho, baseado em dados de anos anteriores.