Please use this identifier to cite or link to this item: https://hdl.handle.net/10216/88992
Author(s): Vasco Taveira Gomes
Title: Improving Courses Management by Predicting the Number of Students
Issue Date: 2016-07-15
Abstract: Every year, in higher education institutions all around the world, millions of students are required to choose the curricular units they are interested in enrolling for the coming semesters. When managing courses and their respective units, colleges and universities aim to predict and understand these demands in order to better plan the next scholar year. By successfully predicting students' demands, universities are able to ensure their limited budgets and resources are allocated properly. This study intends to answer the needs of a course administrator regarding the number of students each curricular unit will have by analyzing and applying predictive models. The main focus of this work will be the prediction of the number of students enrolling in optional units, number of students per optional unit and number of students per non-optional unit in the syllabus. While some conclusions may be reached by simply measuring and extrapolating the difference in the number of students per year, identifying the cause of this difference is fundamental in the construction of a complete predictive model. Factors such as student grade average per unit, perceived difficulty or unit workload, that aren't always visible in the data, must also be taken into consideration. Once these factors are decided, the study will attempt to apply and compare different predictive functions. For the development phase of the investigation, this project will be applied to the course of Master in Informatics and Computing Engineering at the Faculty of Engineering of the University of Porto in the form of a case study.
Description: Todos os anos, em estabelecimentos de ensino superior de todo o mundo, milhões de estudantes participam no processo de seleção das unidade curriculares em que se irão inscrever durante os próximos semestres. Para uma gestão dos cursos e respetivas unidades, as universidades visam prever e compreender esta procura de modo a obter um melhor planeamento para o próximo ano letivo. Através de uma previsão bem sucedida da procura do corpo estudantil, as universidades são capazes de assegurar que os seus orçamentos e recursos são alocados corretamente. Este estudo pretende responder às necessidades de um administrador de curso relativamente ao número de estudantes por unidade curricular através da análise e aplicação de modelos preditivos. O foco principal deste trabalho será a previsão do número de alunos a matricularem-se em disciplinas optativas, número de estudantes por disciplina optativa e número de estudantes por disciplina não optativa no currículo. Embora algumas conclusões possam ser alcançadas através da simples medição e extrapolação do número de estudantes por ano, a identificação da causa desta distinção é fulcral para a construção de um modelo preditivo completo. Fatores como a média académica por unidade, dificuldade subjetiva e carga horária da unidade, que nem sempre se encontram visíveis nos dados, devem, também, ser considerados. Estando este fatores decididos, o estudo irá tentar aplicar e comparar várias funções preditivas. Para o fase de desenvolvimento da investigação, este projeto irá ser aplicado ao curso de Mestrado Integrado em Engenharia Informática e Computação da Faculdade de Engenharia da Universidade do Porto sob a forma de um caso de estudo.
Subject: Engenharia electrotécnica, electrónica e informática
Electrical engineering, Electronic engineering, Information engineering
Scientific areas: Ciências da engenharia e tecnologias::Engenharia electrotécnica, electrónica e informática
Engineering and technology::Electrical engineering, Electronic engineering, Information engineering
TID identifier: 201322722
URI: https://repositorio-aberto.up.pt/handle/10216/88992
Document Type: Dissertação
Rights: openAccess
Appears in Collections:FEUP - Dissertação

Files in This Item:
File Description SizeFormat 
139061.pdfImproving Courses Management by Predicting the Number of Students640.96 kBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.