Show simple item record

dc.contributor.advisorChaves Neto, Anselmo, 1945-pt_BR
dc.contributor.authorSteffen, Daniel, 1985-pt_BR
dc.contributor.otherUniversidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Métodos Numéricos em Engenhariapt_BR
dc.date.accessioned2022-02-25T16:04:24Z
dc.date.available2022-02-25T16:04:24Z
dc.date.issued2021pt_BR
dc.identifier.urihttps://hdl.handle.net/1884/73611
dc.descriptionOrientador: Prof. Dr. Anselmo Chaves Netopt_BR
dc.descriptionTese (doutorado) - Universidade Federal do Paraná, Setor de Tecnologia, Programa de Pós-Graduação em Métodos Numéricos em Engenharia. Defesa : Curitiba, 17/12/2021pt_BR
dc.descriptionInclui referências: p. 89-93pt_BR
dc.description.abstractResumo: Este trabalho apresenta uma proposta para a avaliação dos Cursos de Pós-Graduação do Brasil utilizando critérios quantitativos. A metodologia de avalição proposta também pode ser utilizada em outras atividades em que se pretenda classificar indivíduos ou instituições por desempenho. O trabalho se refere à avaliação de Programas de Pós-Graduação em níveis de Mestrado e Doutorado acadêmico nas áreas de Engenharias III. A CAPES, órgão responsável pela avaliação do ensino de pós-graduação atribui nota/conceito de 2 a 7 aos Programas, seguindo critérios de análise que envolvem dados quantitativos de produção intelectual, bem como, critérios subjetivos, avaliando determinados aspectos dos Programas. A proposta deste trabalho é o desenvolvimento de uma metodologia quantitativa de classificação baseada em Métodos Multivariados e, especificamente, em Análise Fatorial que agrupe as instituições por similaridade utilizando apenas os dados quantitativos dos Programas. Para alcançar este objetivo, aplicou-se a técnica de Redes Neurais Artificiais chamada SOM (Self Organizing Maps), também conhecida por Mapas Auto-Organizáveis de Kohonen. A Análise Fatorial é a base do método desenvolvido e sua aplicação se dá em etapa anterior à aplicação do SOM a fim de utilizar os escores fatoriais das variáveis latentes como dados de entrada para o treinamento da rede. Assim, o mapa resultante apresentará o cluster/agrupamento de acordo com a eficiência apresentada na Análise Fatorial. São apresentados os resultados computacionais de ensaios realizados com a metodologia proposta, utilizando 35 variáveis quantitativas próprias da avaliação dos 92 Programas, da avaliação quadrienal (2013 - 2016), para agrupar os cursos similares em desempenho em seis clusters, os quais podem ser atribuídas as notas/conceitos de 2 a 7 de acordo com a classificação obtida.pt_BR
dc.description.abstractAbstract: This work presents a proposal for evaluating Postgraduate Courses in Brazil using quantitative criteria. The valuation methodology proposed can also be used in other activities where it is intended to rank institutions by performance. The work refers to the evaluation of Postgraduate Programs at Master's and Doctoral levels in the academic areas of Engineering III. The Coordination for the Improvement of Higher Education Personnel (CAPES), is the responsible for evaluating postgraduate education, assigns a grade/concept from 2 to 7 to the Programs, following analysis criteria that involve quantitative data on intellectual production, as well as subjective criteria, evaluating certain aspects of the Programs. The purpose of this work is to develop a quantitative classification methodology based on Multivariate Methods and, specifically, on Factor Analysis, which groups institutions by similarity using only quantitative data from the Programs. To achieve this goal, is applied the Artificial Neural Networks technique called SOM (Self Organizing Maps). Factor Analysis is the basis of the developed method and its application takes place before the application of the SOM in order to use the factor scores of the latent variables as input data for network training. Thus, the resulting map will present the cluster/grouping according to the efficiency presented in the Factor Analysis. The computational results of tests carried out with the proposed methodology are presented, using 35 quantitative variables specific to the evaluation of the 92 Programs, of the quadrennial evaluation (2013 - 2016), to group similar courses in performance into six clusters, which can be attributed to grades/concepts from 2 to 7 according to the classification obtained.pt_BR
dc.format.extent1 arquivo (117 p.) : PDF.pt_BR
dc.format.mimetypeapplication/pdfpt_BR
dc.languagePortuguêspt_BR
dc.subjectRedes neurais (Computação)pt_BR
dc.subjectMapas auto-organizáveispt_BR
dc.subjectAnalise fatorialpt_BR
dc.subjectAnálise Numéricapt_BR
dc.titleRedes neurais e análise multivariada : estudo e aplicação em classificaçãopt_BR
dc.typeTese Digitalpt_BR


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record