Extração de dados educacionais em processo ETL: uma proposta utilizando Sumarização Automática Multidocumento
DOI:
https://doi.org/10.34117/bjdv11n3-012Keywords:
processamento de linguagem natural, sumarização automática multidocumento, descoberta de conhecimento em bases de dadosAbstract
A área da Descoberta de Conhecimento em Bases de Dados (KDD) tem um conjunto de processos denominado ETL que, a partir de fontes de informações heterogêneas, faz a extração, a transformação e a carga para uma única estrutura de dados. Na fase de extração é possível que exista a necessidade de trabalhar com arquivos textos. Por esse motivo, propõe-se neste trabalho a aplicação da técnica de Sumarização Automática Multidocumento, a fim de verificar sua utilidade para o processo de ETL na otimização da extração de elementos textuais. Para tanto, elaborou-se uma abordagem de sumarização na fase de extração de dados a partir de um contexto real: notícias referentes ao curso de Engenharia de Computação do Instituto Federal de Mato Grosso do Sul, presentes em seu site oficial. Na análise da aplicação utilizou-se a métrica ROUGE sobre o sumário produzido e dois algoritmospara apontar a acurácia da classificação dos dados. Os resultados obtidos foram: ROUGE-1, precisão de0.99 e recall de 0.84; ROUGE-2, precisão de 0.98 e recall de 0.78; e ROUGE-L, precisão de 0.99 e recall de 0.84.
References
Asawa, Y., Balaji, V.; Dey, I. I. Modern multi-document text summarization techniques. International Journal of Recent Technology and Engineering (IJRTE), 2020, 9(1):654–670.
Campos, A. T.; Fonseca, R. C. B. da. Learning analytics e academicanalytics nas instituições de ensino superior como paradigma para a gestão da educação corporativa. Revista Novas Tecnologias na Educação, Porto Alegre, v. 21, n. 2, p. 382–392, 2023. DOI: 10.22456/1679-1916.137760.
Cardoso, P. C.; Pardo, T. A.; Nunes, M. d. G. V. Métodos para sumarização automática multidocumento usando modelos semântico-discursivos. In Proceedings of the 3rd RST Brazilian Meeting, 2011,pages 59–74.
Carrano, D., Albergaria, E., Infante, C., and Rocha, L. Combinando técnicas de mineração de dados para melhorar a detecção de indicadores de evasão universitária. Brazilian Symposiumon Computers in Education (Simpósio Brasileiro de Informática na Educação - SBIE), 30(1):1321, 2019.
Caseli, H. d. M., Nunes; M. d. G. V.; Pagano, A. O que épln? In Caseli, H. M.; Nunes, M. G. V., editors, Processamento de Linguagem Natural: Conceitos, Técnicas e Aplicações em Português, 2023, book chapter 1. BPLN, 1 edition.
Chaud, M. R.; Di Felippo, A. Exploring content selection strategies for multi- lingual multi-document summarization based on the universal network language (unl). Revista de Estudos da Linguagem, 26(1), 2018.
David, L.; Chaym, C. Evasão universitária: Um modelo para diagnóstico e gerenciamento de instituições de ensino superior. Revista de Administração IMED, 9(1):167–186, 2019.
De Castro Soares, R.; Weber Neto, N.; Reis Coutinho, L.; Da Silva E Silva, F. J.; Viana Dos Santos, D.; Soares Teles, A. Mineracão de dados da educação básica brasileira usando as bases do INEP: Uma revisão sistemática da literatura. Revista Novas Tecnologias na Educação, Porto Alegre, v. 19, n. 1, p. 361–370, 2021. DOI: 10.22456/1679-1916.118526.
Fernandes, E., Holanda, M., Victorino, M., Borges, V., Carvalho, R., andErven, G. V. Educational data mining: Predictive analysis of academic performance ofpublic school students in the capital of brazil. Journal of Business Research, 2019, 94:335– 343.
Fernando Fonseca Pinheiro De Lima, L.; Luana Almeida Da Silva, I.; Rousy Dias Da Silva, D. Análise de Dados de Percursos Curriculares dos Alunos de Ciência da Computação da Universidade Federal da Paraíba. Revista Novas Tecnologias na Educação, Porto Alegre, v. 17, n. 3, p. 173–182, 2019. DOI: 10.22456/1679-1916.99467.
Goldschmidt, R. Data Mining. Grupo GEN. 2015.ISBN 9788595156395.
Lima,I. Inteligência Artificial. Grupo Gen, 2014. https://integrada.minhabiblioteca.com.br//books/9788595152724/. ISBN 9788595152724.
Lin, C.-Y. Rouge: A package for automatic evaluation of summaries. In Text summarization branches out, 2004,pages 74–81.
Mussliner, B. O., Mussliner, M. d. S. e. S., Meza, E. B. M., and Rodríguez, G. L. O problema da evasão universitária no sistema público de ensino superior: uma proposta de ação com base na atuação de uma equipe multidisciplinar. Brazilian Journal of Development, 2021, 7(4):42674–42692.
Nadkarni, P. M., Ohno-Machado, L., and Chapman, W. W. Natural language processing: an introduction. Journal of the American Medical Informatics Association, 2011, 18(5):544–551.
Sanchez-Gomez, J. M., Vega-Rodríguez, M. A., and Pérez, C. J. Experimental analysis of multiple criteria for extractive multi-document text summarization. Expert Systems with Applications, 2020, 140:112904.
Souza, J. W. d. C., Cardoso, P. C. F., and Paixão, C. A. Sumarização automática. In Caseli, H. M. and Nunes, M. G. V., editors, Processamento de Linguagem Natural: Conceitos, Técnicas e Aplicações em Português, 2024, book chapter 22. BPLN, 2 edition.
Souza, J. W. d. C.; Felippo, A. D. Caracterização da complementaridade temporal: Subsídios para sumarização automática multidocumento. Alfa: Revista de Lingúıstica (São José do Rio Preto), 2018, 62(1):125–150.
Vida, E. d. S., Alves, N. S. R., Ferreira, R. G. C., Souza, D. C. d., Barboza, F. F. M., Oliveira, H. S. d., Marque, L. d., Maschietto, L. G., and Gonçalves, P. d. F. Data warehouse. Grupo A, 2021.
