PREVISÃO DE INADIMPLÊNCIA EM UMA INSTITUIÇÃO DE ENSINO SUPERIOR BASEADA EM REDES NEURAIS ARTIFICIAIS

  • Daniel de Oliveira Capanema Faculdade de Pará de Minas - FAPAM
  • João Paulo Barbosa Nascimento Faculdade de Pará de Minas - FAPAM
Palavras-chave: ANFIS, MLP, RBF, Redes Neurais

Resumo

O problema da inadimplência é algo comum e que a cada dia se torna mais corriqueiro no cotidiano das instituições privadas de ensino superior no Brasil e diversos fatores podem motivá-la, tais como o aumento da taxa de desemprego e do índice de inflação. As instituições privadas de ensino superior no Brasil são responsáveis por 86 por cento no total de matrículas dos cursos de graduação e o percentual de inadimplência nessas instituições pode chegar a 12 por cento. As Redes Neurais Artificiais (RNAs) são um conjunto de técnicas que tentam simular, em meio computacional, o funcionamento do cérebro humano. Elas são capazes de reconhecer padrões, extrair regularidades e detectar relações subjacentes em um conjunto de dados aparentemente desconexos. O objetivo principal deste trabalho é apresentar uma aplicação baseada em Redes Neurais Artificiais que possa auxiliar os gestores de escolas de ensino superior na tomada de decisão acerca da inadimplência de seus alunos. Para isso, foram coletados dados referentes aos pagamentos de mensalidades realizados por alunos de uma instituição de médio porte em determinado período de tempo e realizado experimentos criando uma Rede Neural MLP, avançando para a implementação de uma rede RBF e finalizamos os experimentos com uma Rede Neuro-fuzzy ANFIS. Este trabalho contribuiu com uma solução computacionalmente inteligente para o problema da previsão de inadimplência de alunos do ensino superior de instituições particulares.

Biografia do Autor

Daniel de Oliveira Capanema, Faculdade de Pará de Minas - FAPAM
Graduado em Ciência da Computação, Especialista em Desenvolvimento de Sistemas para Web, Mestrando em Modelagem Matemática Computacional. PPGMMC-CEFET-MG.
João Paulo Barbosa Nascimento, Faculdade de Pará de Minas - FAPAM
Graduado em Sistemas da Informação, Mestre em Modelagem Matemática Computacional, Doutorando em Modelagem Matemática Computacional. PPGMMC-CEFET-MG.
Publicado
2016-12-01
Seção
Artigos