Radar mondial UDTR

UDTR — Radar mondial des droits de la Nature

Registre documentaire des références détectées à travers les infrastructures académiques, juridiques et institutionnelles surveillées par UDTR.

Une infrastructure documentaire mondiale conçue pour atteindre la couverture la plus large, vérifiable et scientifiquement défendable des droits de la Nature.

← Retour au Radar

Replication Package for Educational Outcome Profiling Using Clustering Techniques

Identification

Clé publique
radar:r-6766a4e27977bde8810d5555211cab95
Auteurs
Anonymous
Année déclarée
2026
Langue déclarée
und
Type source
Software
Première détection
2026-11-13T08:57:40.312948+00:00
Dernière observation des métadonnées
2026-11-13T08:57:40.312948+00:00
Dernière vérification HTTP
Non effectuée

Résumé documentaire — langue originale

IA Aplicada à Identificação de Perfis de Desfechos Educacionais nos Colégios Militares do Brasil   Descrição Este repositório contém os notebooks utilizados na pesquisa sobre identificação de perfis estudantis associados a diferentes desfechos educacionais em Colégios Militares do Brasil, utilizando técnicas de aprendizado não supervisionado e interpretabilidade de modelos. O pipeline contempla: Análise Exploratória de Dados (EDA); Engenharia de atributos; Redução de dimensionalidade com PCA; Agrupamento utilizando K-Means; Agrupamento utilizando DBSCAN; Interpretação dos clusters por meio de métricas estatísticas, XGBoost e SHAP. Conjunto de Dados Variáveis do Conjunto de Dados   Variável Descrição Valores STATUS Status de aprovação do aluno APROVADO, APROVADO_CC, APROVADO_PR JA_REPROVOU Indica se o aluno já foi reprovado durante a trajetória escolar yes/no MATEMATICA_REC Recuperação em matemática yes/no FISICA_REC Recuperação em física yes/no QUIMICA_REC Recuperação em química yes/no BIOLOGIA_REC Recuperação em biologia yes/no LE_REC Recuperação em língua estrangeira yes/no MEDIA_EXATAS_FAIXA Faixa das médias nas disciplinas de exatas 'menorque5', '5_6.9', '7_7.9', '8_10' MEDIA_CIENCIAS_NATURAIS_FAIXA Faixa das médias nas disciplinas de ciências da natureza 'menorque5', '5_6.9', '7_7.9', '8_10' MEDIA_HUMANAS_FAIXA Faixa das médias nas disciplinas de humanas 'menorque5', '5_6.9', '7_7.9', '8_10' MEDIA_LINGUAGENS_FAIXA Faixa das médias em linguagens 'menorque5', '5_6.9', '7_7.9', '8_10' MILITAR_PAI Indica se o pai é militar yes/no MILITAR_MAE Indica se a mãe é militar yes/no PROFISSAO_PAI Profissão do pai Texto PROFISSAO_MAE Profissão da mãe Texto ALUNO_SEXO Gênero do estudante M/F IDADE_FAIXA Faixa etária do estudante 'menorigual16', '17_18', 'maiorigual19' CONCURSADO Indica se o estudante entrou no colégio por concurso yes/no FAIXA_TEMPO_COLEGIO Tempo de permanência no colégio 'curto', 'medio', 'longo' ATV_EXTRA Participação em atividades extracurriculares yes/no ITINERARIO Itinerário formativo do estudante 'CAUNI' ou 'CAMIL'   Estrutura dos Notebooks Os notebooks devem ser executados na ordem apresentada a seguir. 1. EDA.ipynb Notebook responsável pela preparação e análise exploratória dos dados. Principais atividades: limpeza dos dados; tratamento de inconsistências; criação dos desfechos educacionais; tratamento de valores ausentes; categorização de profissões dos responsáveis; agrupamento de postos e graduações militares; criação de faixas de idade; criação de faixas de tempo de permanência no colégio; criação de faixas de desempenho acadêmico; geração de estatísticas descritivas e visualizações. Saída: conjunto de dados preparado para as análises de agrupamento. 2. KMeans.ipynb Implementação do experimento principal utilizando K-Means. Principais etapas: seleção de atributos; aplicação de PCA; definição do número de clusters; treinamento do modelo K-Means; avaliação por: Método do Cotovelo; Silhouette Score; Davies-Bouldin Index; visualização com t-SNE. Saída: atribuição dos estudantes aos clusters gerados pelo K-Means. 3. KMeans-Sem-SAPM.ipynb Versão alternativa do experimento utilizando K-Means sem algumas etapas de engenharia de atributos. Diferenças em relação ao experimento principal: não realiza categorização de variáveis com elevada cardinalidade; não realiza discretização da idade; não realiza discretização do tempo de permanência no colégio; não utiliza faixas de desempenho acadêmico. Objetivo: Avaliar o impacto da engenharia de atributos na qualidade dos agrupamentos e na interpretação dos perfis encontrados. 4. DBSCAN.ipynb Implementação do algoritmo DBSCAN para comparação com os resultados obtidos pelo K-Means. Principais etapas: aplicação de PCA; busca sistemática de hiperparâmetros (`eps` e `min_samples`); avaliação por Davies-Bouldin Index; análise da proporção de ruído; visualização com t-SNE. Saída: agrupamentos baseados em densidade e identificação de observações classificadas como ruído. 5. Analise_Clusters.ipynb Notebook destinado à interpretação dos clusters produzidos pelos algoritmos de agrupamento. Principais análises: distribuição dos desfechos educacionais por cluster; caracterização estatística dos grupos; cálculo de índices de representação; identificação de atributos super-representados; treinamento de modelos XGBoost para explicação dos clusters; análise de importância de variáveis; interpretação utilizando SHAP. Este notebook deve ser executado após a geração dos clusters nos notebooks de agrupamento. Ordem de Execução A reprodução completa dos experimentos deve seguir a seguinte sequência: `eda.ipynb` `kmeans.ipynb` `kmeans-sem-sapm.ipynb` `dbscan.ipynb` `analise.ipynb` Limitações Embora o código-fonte e os procedimentos experimentais sejam disponibilizados integralmente, os dados utilizados na pesquisa não podem ser compartilhados devido a restrições institucionais relacionadas à proteção de informações de estudantes.

Identifiants

DOI
10.5281/zenodo.20683924

Repères documentaires

Famille documentaire
unknown
Types déclarés par les sources
Software
Éditeurs
Zenodo

Les mentions d’entités ne constituent pas une preuve de reconnaissance juridique. La juridiction étudiée est distincte du pays d’affiliation des auteurs.

Sources

DataCite · Document 1

Citer cette référence

Anonymous. Replication Package for Educational Outcome Profiling Using Clustering Techniques. 2026. https://doi.org/10.5281/zenodo.20683924

JSON · CSL-JSON · BibTeX · RIS · CSV · JSON-LD ·

APA, Chicago, ISO 690 : formats bibliographiques fondés sur les champs disponibles. OSCOLA / Bluebook : données structurées uniquement ; aucune conformité juridique complète n’est revendiquée sans vérification des éléments nécessaires.

APA
Anonymous. (2026). Replication Package for Educational Outcome Profiling Using Clustering Techniques. https://doi.org/10.5281/zenodo.20683924
Chicago
Anonymous. Replication Package for Educational Outcome Profiling Using Clustering Techniques. 2026. https://doi.org/10.5281/zenodo.20683924
ISO 690
Anonymous. Replication Package for Educational Outcome Profiling Using Clustering Techniques. 2026. https://doi.org/10.5281/zenodo.20683924

Warning: Undefined array key "last_link_verified" in /home/clients/e27d81e12f04d2bfd747aa264540ac56/sites/_UDTR_APP/legal_library_reference.php on line 31

UDTR — Bibliothèque juridique mondiale des droits de la Nature. Replication Package for Educational Outcome Profiling Using Clustering Techniques. Notice documentaire: https://www.declarationuniverselledesdroitsdelarbre.org/global-rights-of-nature-radar/reference/r-6766a4e27977bde8810d5555211cab95/ · Dernière vérification HTTP : non effectuée

Signaler une correction

Données de cette version figée

Dossiers et relations documentaires

Rôles des sources

Source bibliographique / publication d’origine · https://zenodo.org/doi/10.5281/zenodo.20683924

Un lien vers une autorité ne prouve pas à lui seul une affirmation juridique. Les résumés et les textes intégraux restent soumis aux conditions de leur source.

Statut documentaire

Pertinence à examiner

Bibliothèque

Cette identité n’est pas encore intégrée à la Bibliothèque juridique.

UDTR — Bibliothèque juridique mondiale des droits de la Nature