Banca de DEFESA: RODRIGO MIRANDA FEITOSA

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE: RODRIGO MIRANDA FEITOSA
DATA: 06/08/2026
HORA: 09:00
LOCAL: Sala de Videoconferência do PPGCC
TÍTULO: Metodologia híbrida de Explicabilidade para a predição do discente em risco de reprovacao acadêmica
PALAVRAS-CHAVES: Predição do Desempenho Acadêmico, Aprendizagem de Máquina, Inteligência Artificial Explicável, Engenharia de Prompt
PÁGINAS: 105
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
RESUMO:

A abordagem de predição de desempenho acadêmico apresenta como uma das áreas de atuação o uso de modelos de aprendizagem de máquina durante a trajetória acadêmica. O propósito de identificar os fatores que levam à reprovação não é uma tarefa trivial, sobretudo nas fases iniciais, e são necessárias mais investigações para gerar resultados com explicações de fácil compreensão. Com base no contexto descrito, este trabalho teve como objetivo a construção de uma metodologia que combinou o uso de técnicas de aprendizagem de máquina, métodos da Inteligência Artificial Explicável e uso de Grandes Modelos de Linguagem. O intuito foi trabalhar com a predição do risco de reprovação do aluno nas fases iniciais e tornar explicável os fatores que motivam a reprovação durante a trajetória acadêmica. A etapa de adoção das técnicas de aprendizagem de máquina selecionou o algoritmo de classificação Floresta Aleatória para o modelo preditivo desta pesquisa. Os métodos SHAP, LIME e de agrupamento para explicabilidade (global, local e de subconjunto) foram adotados na pesquisa. E na última etapa foi desenvolvido e implementado um prompt zero-shot em Grandes Modelos de Linguagem, com a finalidade de gerar relatórios de simples compreensão por profissionais não especialistas na área computacional, tais como, os gestores educacionais. Foram realizados testes em três modelos de linguagem conhecidos por sua maior utilização (Gemini, Chatgpt e Deepseek), no qual, com a aplicação de métricas de avaliação, o Gemini apresentou o relatório de melhor desempenho. Um relatório formulado em linguagem de fácil interpretação aumentou a “explicabilidade” dos fatores decisivos de reprovação, conforme a descoberta do modelo preditivo, e apresentou sugestões de intervenções com medidas preventivas para evitar possíveis reprovações dos discentes. Ao final, um protótipo de framework foi gerado para utilização dos gestores educacionais, no qual é possível demonstrar a metodologia desenvolvida através da inserção de informações do aluno e consulta do risco de reprovação acadêmica.

MEMBROS DA BANCA:
Externo à Instituição - 664.***.***-49 - ANNE MAGALY DE PAULA CANUTO - UFRN
Externo à Instituição - 661.***.***-72 - CARLOS DE OLIVEIRA CAMINHA NETO - UFC
Interno - 1350246 - KELSON ROMULO TEIXEIRA AIRES
Externo à Instituição - 504.***.***-82 - LUCIANO REIS COUTINHO - UFMA
Presidente - 1446435 - VINICIUS PONTE MACHADO