Utilização de técnicas de mineração de dados na análise das informações de uma universidade

• Main Author: Herdt, Rudiney Marcos
• Other Authors: Universidade Federal de Santa Catarina
• Format: Others
• Language: Portuguese
• Published: Florianópolis, SC 2012
• Subjects: Engenharia de produção; Universidades e faculdades; Automação; Mineração de dados (Computação)
• Online Access: http://repositorio.ufsc.br/xmlui/handle/123456789/81941

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia de Produção. === Made available in DSpace on 2012-10-19T09:33:19Z (GMT). No. of bitstreams: 0Bitstream added on 2014-09-25T19:59:09Z : No. of bitstreams: 1 205272.pdf: 13357211 bytes, checksum: c7d8f5ff8106bb58bc3c84846c539375 (MD5) === Uma realidade que está cada vez mais presente em todas as organizações é a necessidade na busca por informações. As técnicas de mineração de dados são apresentadas como revolucionárias porque geram suas próprias hipóteses e garantem informações com maior rapidez. O principal objetivo da mineração de dados é encontrar padrões de comportamento em um grande volume de dados. A mineração de dados é uma das etapas no processo de descoberta de conhecimento em banco de dados KDD. As principais etapas no processo de KDD são: definição de metas, seleção, pré-processamento, transformação, mineração de dados e interpretação. O data warehouse não é obrigatório, mas é de grande importância para uma mineração de dados eficiente. A mineração de dados pode ser utilizada na aplicação de várias técnicas. As principais são: clusterização, classificação e regras de associação. A Universidade do Sul de Santa Catarina (Unisul) possui um processo permanente de avaliação, denominado Avaliação Institucional, que é feito através de uma pesquisa com 65 questões, que são aplicadas aos alunos anualmente. Assim, o presente trabalho busca encontrar algum padrão de comportamento nos dados resultantes desta pesquisa. Foram utilizadas para análise uma ferramenta estatística e duas técnicas de mineração de dados: clusterização e regras de associação. Este trabalho procura utilizar os recursos de cada uma dessas técnicas para encontrar conhecimentos úteis na tomada de decisão bem como fazer uma comparação entre elas.