Versões comparadas

Chave

  • Esta linha foi adicionada.
  • Esta linha foi removida.
  • A formatação mudou.

Na Figura 1 está representado a arquitetura da solução Retenção de Alunos.


Image Added

Figura 1 - Arquitetura da solução Retenção de Alunos

Os dados utilizados para se determinar o perfil de um aluno podem ser obtidos a partir de várias fontes de informação (e.g. ERP, redes sociais, sistema de catraca). No Retenção de Alunos, a principal fonte de dados é o sistema de gestão educacional da Instituição de Ensino (Figura 01). Entretanto, é importante destacar que, além da fonte padrão de dados, a aplicação tem suporte a diversos outros tipos de fontes de informação.

Image Removed

...


A seguir, cada um destes componentes é detalhado:

Fonte de dados


É a fonte de informações que serão utilizados pelo Retenção de Alunos. Atualmente, a principal fonte de dados utilizada é o sistema             ERP TOTVS: Sistema de gestão educacional da Instituição. Centraliza as informações acadêmicas ( notas, presenças, cursos, matrículas em períodos e disciplinas entre outras informações relacionadas à participação dos estudantes por curso) e financeiras (formas de pagamentos, bolsas de estudos, pagamentos das parcelas com e sem atraso). 

            Carol Connect: É a ferramenta responsável por obter dados do Banco de dados. Nela é realizado o mapeamento entre  cada campo de cada tabela do ERP e os atributos de cada modelos de dados da CAROL. Caso as informações financeiras e acadêmicas sejam gerenciadas à parte, é necessário que o sistema responsável por este gerenciamento disponibilize os dados para o preenchimento dos modelos de dados da CAROL.  Clique aqui e saiba mais.

instituição de ensino. Entretanto, é possível configurar outras fontes de informação como redes sociais, sistema de catraca, planilhas, entre outros.

Carol Conector (2C)

É a ferramenta responsável por enviar as informações das fontes de dados para a CAROL.

CAROL

É uma plataforma de dados que oferece diversas possibilidades. No aplicativo Retenção de Alunos, são utilizados os seguintes recursos:


  • MDM

Gerenciamento de dados mestre, ou master data management (MDM),             MDM: Sistema de gerenciamento de dados mestre (MDM) que possibilita a integração de dados provenientes de diversas fontes. O MDM é uma das funcionalidades disponíveis na CAROL e pode ser entendido como um banco de dados que contém tabelas (modelos de dados) , conhecidas como Staging Tables e Data Models, cujos dados são organizados em colunas (atributos) alimentadas pelas diversas e são alimentados por diversas fontes de dados.

Staging Tables são as tabelas que inicialmente recebem os dados das fontes de dados utilizadas pela aplicação. Os modelos de dados existentes na CAROL correspondem às entidades relacionadas ao dia-a-dia do estudante e possuem atributos que caracterizam de forma completa e definitiva a participação do estudante em determinado curso.

            Parametrização: Após a instalação da aplicação, deve-se configurá-la por meio da interface de parametrização conforme as especificidades da instituição. Esta parametrização é importante pois constitui o meio pelo qual a solução entende o contexto em que a instituição se insere e gera os resultados conforme a realidade do cliente. Clique aqui e saiba mais.

            Geração do Modelo Preditivo: utiliza inteligência artificial para identificar padrões de comportamento dos estudantes a partir da análise das informações existentes nos modelos de dados da CAROL. Clique aqui e saiba mais.

            Processo de Classificação: utiliza inteligência artificial para recomendar uma lista de estudantes que potencialmente possam evadir, agrupando estes possíveis evasores em grupos com características semelhantes. Clique aqui e saiba mais.

da aplicação. Já o Data Model é o resultado final da combinação de um conjunto de registros provenientes de uma ou mais Staging Table.


  1. Cada conector envia para a plataforma CAROL um conjunto de dados;

  2. Este dados são armazenados em Staging Tables.

  3. Os registros das Staging Tables são transformados, respeitando-se algumas regras pré-definidas, e o resultado será utilizado para preencher os Data Models.


  • Inteligência artificial:

É o componente responsável pelos recursos de inteligência artificial da plataforma que pode ser divididos em duas categorias:

a) Algoritmos preditivos: baseiam-se na aplicação de técnicas de aprendizado de máquina em alunos que já passaram pela instituição e cujas condições de conclusão ou abandono de cursos são conhecidas para, desta forma, obter modelos que antecipem o comportamento destes alunos num futuro próximo. 

b) Algoritmos NLP: baseiam-se na aplicação de técnicas de processamento de linguagem natural e permite a interação do usuário com a solução por meio de comandos de voz.



  • Carol App

Um carol APP, é um aplicativo hospedado na CAROL que utiliza alguns de seus recursos. No contexto da solução Retenção de Alunos, é o sistema de BI que possibilita a visualização de algumas informações sobre a evasão escolar na instituição e             Carol App: Sistema de BI que possibilita a visualização dos dados existentes nos modelos de dados da CAROL por perspectivas pré-definidas. O sistema utiliza as informações da CAROL e a lista, disponibilizada pelo processo de classificação, para a montagem de gráficos, Widgets, rankings, etc...  que explicitam as principais características dos estudantes como rendimento, frequência, financeiro, etc.

            Ações para retenção: A instituição poderá utilizar o CAROL App para avaliar o cenário dos potenciais evasores e planejar as ações de retenção.

Pode ser contratado junto à TOTVS o pacote de serviços de consultoria para auxiliar no processo de planejamento e execução das ações de retenção.

É importante ressaltar que cada um dos modelos de dados corresponde a uma tabela preenchida com informações provenientes de diversas fontes de dados. Caso determinados atributos destas tabelas não sejam preenchidos, a aplicação terá prejuízo na construção de um modelo representativo. Entretanto, tal prejuízo não inviabiliza a aplicação, caso a acurácia do modelo elaborado se mantenha em níveis aceitáveis.