Publication
PREDIÇÃO DO NÚMERO DE ESTUDANTES NO ANO LETIVO 2021/22 NO ISLA SANTARÉM
dc.contributor.author | Duarte, Nelson | |
dc.date.accessioned | 2023-01-27T14:55:22Z | |
dc.date.available | 2023-01-27T14:55:22Z | |
dc.date.issued | 2021 | |
dc.description.abstract | Introdução: Determinar o número de estudantes para o próximo ano letivo de uma instituição de ensino superior é sempre um fator crítico de gestão. Este estudo tem como objetivo prever o número de alunos no ano letivo de 2021/2022 na instituição de Ensino Superior ISLA Santarém. Método: Para a realização deste estudo procurou-se desenvolver um modelo de predição em Data Mining para a obtenção de resultados usando a linguagem de programação Python. inicialmente foi criada uma base de dados em MS SQL Server, implementou-se no MS Visual Studio o Integration Services Project para efetuar o ETL dos dados extraídos de um ficheiro MS Excel e procedeu-se a criação de um cubo MOLAP onde se criaram as medidas a serem exportadas para o MS Power BI para a criação dos Dashboards. Para a predição exportaram-se os dados para um ficheiro csv do cubo OLAP para serem processados numa script Python. Resultados: Através da predição conseguiu-se verificar que o número de alunos para o próximo ano letivo, no ISLA Santarém, vai aumentar. Discussão: Tratou-se de um dos estudos pioneiros na tentativa de prever o número de estudantes do ano seguinte com base no histórico de anos anteriores, sendo por isso difícil realizar comparações com outros estudos. Conclusão: Os resultados deste estudo podem ajudar no processo de gestão de recursos da instituição no que respeita a preparação do ano letivo seguinte. | pt_PT |
dc.description.version | info:eu-repo/semantics/publishedVersion | pt_PT |
dc.identifier.uri | http://hdl.handle.net/10400.26/43415 | |
dc.language.iso | por | pt_PT |
dc.subject | ISLA santarém | pt_PT |
dc.subject | número de alunos | pt_PT |
dc.subject | predição | pt_PT |
dc.title | PREDIÇÃO DO NÚMERO DE ESTUDANTES NO ANO LETIVO 2021/22 NO ISLA SANTARÉM | pt_PT |
dc.type | journal article | |
dspace.entity.type | Publication | |
person.identifier.ciencia-id | 7210-2FF8-CA41 | |
person.identifier.orcid | 0000-0001-6650-0778 | |
rcaap.rights | openAccess | pt_PT |
rcaap.type | article | pt_PT |
relation.isAuthorOfPublication | d6f01663-f47f-4cda-929b-8e3507f89992 | |
relation.isAuthorOfPublication.latestForDiscovery | d6f01663-f47f-4cda-929b-8e3507f89992 |