Sistema de Recomendação de Matrículas para Campi Inteligentes
Minha dissertação de mestrado na UFPel: um sistema que recomenda disciplina para alunos de Ciência da Computação baseado no perfil acadêmico.
Na minha pesquisa de mestrado na UFPel, desenvolvi um sistema de recomendação de matrículas para alunos de Ciência da Computação. A ideia é usar dados do histórico acadêmico pra sugerir disciplinas que façam sentido pro aluno — em vez de cada um montar a grade no chute.
O problema
Aluno escolhe disciplina baseado em horário, fama do professor ou dica de colega. Dificilmente olha pra própria trajetória — o que já cursou, quais pré-requisitos faltam, quanto falta pra formar. Resultado: matrícula subótima, semestre perdido, formatura atrasada.
O que o sistema faz
Pega o histórico do aluno (disciplinas cursadas, notas, pré-requisitos) e cruza com a base de dados do curso. Usa três algoritmos:
- Fatoração de matriz — técnica de machine learning que identifica padrões escondidos nas relações aluno-disciplina
- Co-clustering — agrupa alunos e disciplinas simultaneamente pra achar correlações complexas
- Slope One — algoritmo simples e eficiente baseado em diferenças de preferência entre itens
O diferencial: booster
Uma feature que ajusta a prioridade das recomendações. Se o aluno está perto de formar, o sistema prioriza disciplinas obrigatórias que ainda não foram cursadas. Se falta pouca coisa, não faz sentido recomendar eletivas aleatórias.
Validação
Testei com dados históricos reais do curso de Ciência da Computação da UFPel. Gerei recomendações pro primeiro semestre de 2019 e comparei com as disciplinas que os alunos realmente cursaram e foram aprovados. O resultado mostrou que o sistema consegue sugerir trajetórias mais eficientes que a escolha manual.
Onde pode chegar
O sistema foi pensado como peça de um campus inteligente — integrado com IoT, análise de dados e sensores. Dá pra expandir pra orientação de carreira, sugestão de trilhas de aprendizagem, até recomendação de estágios.
A dissertação completa está disponível no Guaiaca Repository da UFPel.