APLICAÇÃO DE LÓGICA FUZZY PARA AVALIAÇÃO DE CURSOS SUPERIORES COM BASE NOS CONCEITOS CPC E IGC

Transcrição

1 APLICAÇÃO DE LÓGICA FUZZY PARA AVALIAÇÃO DE CURSOS SUPERIORES COM BASE NOS CONCEITOS CPC E IGC Henrique Silva Costa henriquesilva_052@hotmail.com Rafael Furtado Seeberger rafaelseeberger@gmail.com Thiago Gonçalves Morati thiagomorati@hotmail.com Gustavo Maia de Almeida gmaia@ifes.edu.br Marco Antônio S.L. Cuadros marcoantonio@ifes.edu.br IFES Campus Serra Rodovia ES Km 6,5 - Manguinhos Serra ES Resumo: O presente trabalho apresenta uma abordagem diferenciada para aplicação das notas de qualidade nas instituições de ensino superior, com base nos conceitos definidos pelo INEP. Como forma de considerar a imprecisão e a variação que necessariamente acompanha qualquer nota dada em qualquer avaliação, é sugerido o uso da Lógica Fuzzy. Observa-se que, ao final do trabalho, o sistema apresenta potencial como plataforma didática para o aprendizado das técnicas da lógica fuzzy. Palavras-chave: Fuzzy, Avaliação, Conceito Preliminar de Curso (CPC), Índice Geral de Cursos (IGC). 1. INTRODUÇÃO Atualmente, observa-se uma crescente demanda para avaliações dos alunos e das instituições de ensino, principalmente relacionado ao ensino superior. A universalização do acesso à educação superior, desenvolvido através de mecanismos que facilitaram a abertura e maior disponibilidade de vagas nas instituições, faz com que tanto os futuros alunos quanto o mercado de trabalho analisem os centros de ensino em busca da melhor formação. Verifica-se uma diversidade de sistemas e entidades que realizam as avaliações e classificações das instituições, entretanto, os parâmetros utilizados, muitas vezes, aparentam não transparecer as reais qualificações das instituições. O Ministério da Educação (MEC) utiliza dois indicadores, o Conceito Preliminar de Curso CPC e o Índice Geral de Cursos - IGC. Propõe-se assim, uma abordagem diferenciada, levando em consideração a utilização da lógica fuzzy para classificar as instituições de ensino e seus cursos superiores com base em parâmetros pré-definidos em comparação ao Conceito Enade Indicadores de qualidade O Conceito Preliminar de Curso CPC é um indicador de qualidade que avalia os cursos superiores. É calculado no ano seguinte ao da realização do Enade de cada área, com base na

2 avaliação de desempenho de estudantes, corpo docente, infraestrutura, recursos didáticopedagógicos e demais insumos. A nota é dada de 1 a 5 (arredondamento sempre para cima). O Índice Geral de Cursos Avaliados da Instituição IGC é um indicador de qualidade que avalia as instituições de educação superior. O IGC considera o CPC dos cursos avaliados no ano do cálculo e nos dois anos anteriores, sua divulgação refere-se sempre a um triênio, compreendendo assim todas as áreas avaliadas, ou ainda, todo o ciclo avaliativo. A nota é dada de 1 a 5 (arredondamento sempre para cima). Ele é calculado anualmente, considerando: I - a média dos últimos CPCs disponíveis dos cursos avaliados da instituição no ano do cálculo e nos dois anteriores, ponderada pelo número de matrículas em cada um dos cursos computados; II - a média dos conceitos de avaliação dos programas de pós-graduação stricto sensu atribuídos pela CAPES na última avaliação trienal disponível, convertida para escala compatível e ponderada pelo número de matrículas em cada um dos programas de pósgraduação correspondentes; III - a distribuição dos estudantes entre os diferentes níveis de ensino, graduação ou pósgraduação stricto sensu, excluindo as informações do item II para as instituições que não oferecerem pós-graduação stricto sensu. O Conceito Enade é um indicador de qualidade que avalia o desempenho dos estudantes a partir dos resultados obtidos no Enade. Ele é divulgado anualmente para os cursos que tiveram estudantes concluintes participantes do Enade. O seu cálculo, no entanto, não é necessariamente realizado por curso, mas por Unidade de Observação Lógica Fuzzy O sistema de controle utilizando à lógica Fuzzy está incluído no grupo dos controladores baseados em inteligência artificial (I.A.) e representa um novo paradigma dentro da engenharia de controle. Este é baseado no conhecimento humano sobre um problema e através de algoritmos é possível traduzir em números a forma imprecisa do pensamento humano voltada a tomada de decisões (ZADEH, 1965; MENDEL, 1995). Diferente dos sistemas de controle ou lógica matemática convencional, o sistema de controle Fuzzy não é necessário conhecimento do modelo ou das proporções do sistema a ser controlado, demonstrando ser um controlador diferenciado, visto a complexidade matemática para a modelagem de alguns sistemas. A lógica Fuzzy também pode ser usada para solução de outros diversos problemas, criando uma solução padronizada para tal. Um sistema de controle baseado em Lógica Fuzzy pode ter sua ação esquematizada pelos seguintes elementos constituintes: Fuzzificador, Regras, ou base de conhecimento, Inferência difusa, Defuzzificador. O fuzzificador é responsável por converter as entradas, passando de uma forma numérica para uma forma linguística, visando facilitar as tomadas de decisão. A idade, por

3 exemplo, poderia ser expressa como jovem, adulto ou idoso, quando a entrada numérica estiver dentro de um intervalo pré-definido. A inferência difusa significa aplicar regras do tipo se x é alto, então y deve ser alto. Exemplo de controle de injeção de combustível em motor, SE COMBUSTÍVEL está alto E OXIGÊNIO está baixo, ENTÃO o fluxo de COMBUSTÍVEL deve ser pequeno. A base de conhecimento busca representar o modelo do sistema, utilizando o conhecimento de tomada de decisão humana como parâmetro para as regras da lógica Fuzzy. O defuzzificador consiste em retornar os valores, ou seja, obter um valor numérico dentro da faixa estipulada pela lógica fuzzy. Tudo isso pode ser visto na figura 1. Figura 1 Sistema Fuzzy. O presente trabalho foi desenvolvido durante a disciplina de Controle Inteligente do 9º Período do Curso de Engenharia de Controle Automação e está dividido em 4 seções. Na seção 1, uma introdução do trabalho foi apresentada, na seção 2 será apresentada a metodologia do trabalho, na seção 3 serão apresentados os resultados. As conclusões, bem como, as perspectivas de trabalhos futuros serão apresentados na seção METODOLOGIA O método de análise utilizado levou em consideração o CPC e o IGC, uma vez que ambos adotam o Enade como um dos parâmetros. O CPC possui um peso maior, pois é utilizado também no cálculo do IGC. Para a avaliação das instituições de ensino, as entradas foram definidas pelas seguintes variáveis Fuzzy: CPC e IGC, com as funções de pertinência apresentadas na figura 2 e 3.

4 Figura 2 CPC. Figura 3 IGC. Foram utilizados 5 pertinências, sendo 02 trapezoidal e 03 triangulares. A variável Fuzzy de saída foi definida como Avaliação Geral e é apresentada abaixo na figura 4, contendo também 5 pertinências, sendo 02 trapezoidal e 03 triangulares.

5 Figura 4 Avaliação Geral. As regras Fuzzy foram definidas da seguinte forma, conforme a tabela 1. Todas apresentam a regra básica IF (CPC) AND (IGC) THEN (Avaliação Geral), sendo utilizadas 25 regras. Tabela 1 Regras definidas. IGC CPC MR R M B MB MR MR R R M B R MR R M M B M R R M M MB B R M M B MB MB M M B B MB As entradas e a saída foram classificadas como: Muito ruim MR (conceito 1); Ruim R (conceito 2); Médio M (conceito 3); Bom B (conceito 4); Muito bom MB (conceito 5) 3. RESULTADOS Com a finalidade de testar o sistema fuzzy projetado, utilizamos as últimas notas do CPC e do IGC de algumas instituições de ensino superior do Espirito Santo. As notas utilizadas encontram-se nas tabelas 2 e 3.

6 Tabela 2 Notas do CPC de Tabela 3 Notas do IGC de Foram utilizadas as notas contínuas das duas avaliações como entradas para o Fuzzy. Na tabela 4 são disponibilizados os resultados obtidos para uma avaliação geral, levando também em consideração a nota do ENADE como parâmetro de comparação. Tabela 4 Resultados da avaliação geral. Fazendo uma comparação das notas obtidas pela lógica Fuzzy com as notas do conceito Enade, levando em consideração que o mesmo é o mais mencionado dentre instituições, temos

7 que os resultados obtidos foram em momentos satisfatórios e outros não em comparação com o conceito Enade. Estes resultados não satisfatórios podem ser explicados com base nas regras e pertinências da lógica fuzzy utilizada, partindo da ideia que o número e tipo de regras e pertinências não foram o suficiente para obter um resultado satisfatório para todas as situações impostas. Em alguns momentos percebemos que não há variação no valor da nota, devido ao número das pertinências e regras utilizadas. 4. CONCLUSÃO Pode-se concluir que a lógica Fuzzy pode ser aplicada em várias situações e áreas da sociedade. A principal vantagem na utilização da lógica Fuzzy é a generalizações que podem ser feitas com os problemas. Tendo uma ideia previa sobre as variáveis do problema a ser solucionado, consegue-se estabelecer uma solução para diversas ocasiões. Essa nova nota gerada poderá vir a ser utilizada como um balizador para os estudantes escolherem a instituição que desejem ingressar, não baseada apenas no conceito do curso escolhido, mas sim na instituição como um todo, desde que seja feito as devidas alterações para se obter resultados satisfatórios em todas as ocasiões. Como sugestão para trabalhos futuros, levando em consideração a análise dos resultados, pode se rever o número e os tipos de pertinências e regras, com a finalidade de se obter notas mais sensíveis às variações dos pesos utilizados. Percebe-se também que a lógica fuzzy é uma excelente ferramenta, não para substituir a avaliação humana, mas sim para auxiliar nas tomadas de decisão, fazendo com que as mesmas sejam tomadas de uma forma precisa e imparcial. REFERÊNCIAS BIBLIOGRÁFICAS MENDEL, J.M., Fuzzy logic systems for engineering: A tutorial. IEEE, INSTITUTO NACIONAL DE ESTUDOS E PESQUISAS EDUCACIONAIS ANÍSIO TEIXEIRA - INEP. Portaria Nº 599. Brasília, ZADEH, L. A. "Fuzzy Sets", Information and Control, Vol. 8, pp , 1965.

8 FUZZY LOGIC APPLICATION FOR COURSES ASSESSMENT HIGHER BASED ON CONCEPTS AND CPC IGC Abstract: This paper presents a different approach to application of quality grades in higher education institutions, based on the concepts defined by INEP. In order to consider the uncertainty and variation that necessarily accompanies any notice given in any assessment, it is suggested the use of Fuzzy Logic. It is observed that at the end of work, the system has potential as a teaching platform for the learning of fuzzy control techniques. Key-words: Fuzzy, Evaluation, CPC, IGC.