INTRODUÇÃO

O trabalho a seguir possui informações sobre a performance estudantil, tendo dados a respeito do seu desenvolvimento e habilidade em ler, escrever e realizar cálculos matemáticos.

OBJETIVO

A pesquisa tem o principal objetivo de avaliar a perfomance dos estudantes e para facilitar a visuzaliação foi feita a realização de gráficos.

METODOLOGIA

Todas as informações presentes nessa pesquisa foram retiradas da base de dados fornecidas no site Kaggle.

MATRIZ DE CORRELAÇÃO

library(dplyr)
## Warning: package 'dplyr' was built under R version 4.1.1
## 
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
## 
##     filter, lag
## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union
library(corrplot)
## corrplot 0.90 loaded
library(rio)
library(flextable)
library(reactable)
## Warning: package 'reactable' was built under R version 4.1.1
library(RColorBrewer)
library(kableExtra)
## Warning: package 'kableExtra' was built under R version 4.1.1
## 
## Attaching package: 'kableExtra'
## The following objects are masked from 'package:flextable':
## 
##     as_image, footnote
## The following object is masked from 'package:dplyr':
## 
##     group_rows
library(readxl)
library(readr)
Student_Performance_new <- read_csv("C:/Users/julia/Downloads/Base_de_dados-master/Base_de_dados-master/Student Performance new.csv")
## Warning: Missing column names filled in: 'X1' [1]
## 
## -- Column specification --------------------------------------------------------
## cols(
##   X1 = col_double(),
##   `race/ethnicity` = col_character(),
##   `parental level of education` = col_character(),
##   lunch = col_character(),
##   `test preparation course` = col_character(),
##   `math percentage` = col_double(),
##   `reading score percentage` = col_double(),
##   `writing score percentage` = col_double(),
##   sex = col_character()
## )
View(Student_Performance_new)

class(Student_Performance_new$lunch)
## [1] "character"
names(Student_Performance_new$`test preparation course`)
## NULL
MC2 <- Student_Performance_new %>% select(`math percentage`,`reading score percentage`, `writing score percentage`)
MC2 <- na.omit (MC2)
MC2 %>% cor() %>% corrplot.mixed()

CONCLUSÃO

Feita a análise das informações disponíveis e dos gráficos ilustrados nesse trabalho, é possível verificar a quantidade de alunos que possuem habilidades em escrever, ler e os que possuem habilidade em matemática. Feita uma análise geral, nota-se que a maior dificuldade dos alunos concentra-se na disciplina matemática.