Renê Gusmão
Current Organizations / Institutes
The organizations/institutes from the scholar's latest article
Renê Gusmão has a total of 6 co-authors. Here are the top co-authors by number of shared publications:
- André Britto
Universidade Federal de Sergipe
2 shared publications - Artur Leandro da Costa Oliveira
Federal University of Sergipe, Sergipe, Brazil
2 shared publications Allan Juan Araújo
1 shared publicationArtur Leandro
1 shared publication- Francisco de Assis Tenorio de Carvalho
Univ Fed Pernambuco, Ctr Informat, Av Jornalista Anibal Fernandes S-N,Cidade Univ, BR-50740560 Recife, PE, Brazil
1 shared publication - Jeferson Andrade de Jesus
Universidade Federal de Sergipe
1 shared publication
Latest Publications
- Open Access
- 10 March 2024
- Published by Sociedade Brasileira de Computação in Revista Brasileira de Informática na Educação
- Vol. 32, 807-841
Investigação da Evasão Estudantil por meio da Mineração de Dados e Aprendizagem de Máquina: Um Mapeamento Sistemático
A evasão dos alunos nas escolas e universidades é um problema recorrente na educação, tanto é danoso para o aluno em termos de aprendizagem, como gera prejuízos financeiros para as instituições, sejam públicas ou privadas. Estudos que utilizam técnicas de mineração de dados (MD) e aprendizado de máquina (AM) para investigar problemas na educação estão em ascensão. A evasão estudantil é um desses problemas. Por meio dessas técnicas, é possível identificar padrões em indivíduos ou grupos que possam vir a abandonar os estudos. Este artigo tem como objetivo mapear sistematicamente artigos no estado da arte sobre a aplicação de DM e ML na classificação de dados em estudos sobre evasão escolar. A busca foi realizada em 5 bases de dados bibliográficas, ACM Digital Library, IEEE Xplore, Scopus, ScienceDirect e Web of Science, e retornou um total de 336 estudos primários. Após a aplicação dos critérios de exclusão e inclusão, restaram 71 estudos relevantes. Após a extração de dados desses estudos, identificou-se que, as experiências com estudantes do ensino superior e na modalidade presencial são as mais recorrentes nesses artigos, o ano que mais se destacou em termos de publicação foi 2020, e os algoritmos mais frequentemente utilizados para construção dos modelos de classificação são algoritmos baseados em árvores de decisão.
- 10 March 2024
- Published by Sociedade Brasileira de Computação in Revista Brasileira de Informática na Educação
- Vol. 32, 807-841
Open AccessInvestigação da Evasão Estudantil por meio da Mineração de Dados e Aprendizagem de Máquina: Um Mapeamento Sistemático
A evasão dos alunos nas escolas e universidades é um problema recorrente na educação, tanto é danoso para o aluno em termos de aprendizagem, como gera prejuízos financeiros para as instituições, sejam públicas ou privadas. Estudos que utilizam técnicas de mineração de dados (MD) e aprendizado de máquina (AM) para investigar problemas na educação estão em ascensão. A evasão estudantil é um desses problemas. Por meio dessas técnicas, é possível identificar padrões em indivíduos ou grupos que possam vir a abandonar os estudos. Este artigo tem como objetivo mapear sistematicamente artigos no estado da arte sobre a aplicação de DM e ML na classificação de dados em estudos sobre evasão escolar. A busca foi realizada em 5 bases de dados bibliográficas, ACM Digital Library, IEEE Xplore, Scopus, ScienceDirect e Web of Science, e retornou um total de 336 estudos primários. Após a aplicação dos critérios de exclusão e inclusão, restaram 71 estudos relevantes. Após a extração de dados desses estudos, identificou-se que, as experiências com estudantes do ensino superior e na modalidade presencial são as mais recorrentes nesses artigos, o ano que mais se destacou em termos de publicação foi 2020, e os algoritmos mais frequentemente utilizados para construção dos modelos de classificação são algoritmos baseados em árvores de decisão.
- 26 January 2024
- Published by Associacao Brasileira de Inteligencia Computacional - ABRICOM
A distributed approach to cluster multi-view relational data
Título: A distributed approach to cluster multi-view relational data Autores: Renê Pereira de Gusmão, Allan Juan Silva Araujo, Francisco de Assis Tenorio de Carvalho Resumo: Clustering of multi-view data has become an important research field. The efficient clustering of multi-view Read More ...
- 26 January 2024
- Published by Associacao Brasileira de Inteligencia Computacional - ABRICOM
A distributed approach to cluster multi-view relational data
Título: A distributed approach to cluster multi-view relational data Autores: Renê Pereira de Gusmão, Allan Juan Silva Araujo, Francisco de Assis Tenorio de Carvalho Resumo: Clustering of multi-view data has become an important research field. The efficient clustering of multi-view Read More ...
- 29 September 2023
- Published by Institute of Electrical and Electronics Engineers (IEEE) in IEEE Latin America Transactions
- Vol. 21 (11) , 1157-1163
Learning Decision Variables in Many-Objective Optimization Problems
Traditional Multi-Objective Evolutionary Algorithms (MOEAs) have shown poor scalability in solving Many-Objective Optimization Problems (MaOPs). The use of machine learning techniques to enhance optimization algorithms applied to MaOPs has been drawing attention due to their ability to add domain knowledge during the search process. One method of this kind is inverse modeling, which uses machine learning models to enhance MOEAs differently, mapping the objective function values to the decision variables. The Decision Variable Learning (DVL) algorithm uses the inverse model in its concept and has shown good performance due to the ability to directly predict solutions closed to the Pareto-optimal front. The main goal of this work is to experimentally show the DVL as an optimization algorithm for MaOPs. Our results demonstrate that the DVL algorithm outperformed the NSGA-III, a well-known MOEA from the literature, in almost all scenarios with restriction on the number of objective functions with a high number of objectives.
- 29 September 2023
- Published by Institute of Electrical and Electronics Engineers (IEEE) in IEEE Latin America Transactions
- Vol. 21 (11) , 1157-1163
Learning Decision Variables in Many-Objective Optimization Problems
Traditional Multi-Objective Evolutionary Algorithms (MOEAs) have shown poor scalability in solving Many-Objective Optimization Problems (MaOPs). The use of machine learning techniques to enhance optimization algorithms applied to MaOPs has been drawing attention due to their ability to add domain knowledge during the search process. One method of this kind is inverse modeling, which uses machine learning models to enhance MOEAs differently, mapping the objective function values to the decision variables. The Decision Variable Learning (DVL) algorithm uses the inverse model in its concept and has shown good performance due to the ability to directly predict solutions closed to the Pareto-optimal front. The main goal of this work is to experimentally show the DVL as an optimization algorithm for MaOPs. Our results demonstrate that the DVL algorithm outperformed the NSGA-III, a well-known MOEA from the literature, in almost all scenarios with restriction on the number of objective functions with a high number of objectives.
- 26 July 2023
- Published by Springer Nature in Soft Computing
- Vol. 27 (21) , 15971-15998
Machine learning enhancing metaheuristics: a systematic review
- 26 July 2023
- Published by Springer Nature in Soft Computing
- Vol. 27 (21) , 15971-15998
Machine learning enhancing metaheuristics: a systematic review