O presente trabalho propõe o desenvolvimento de um sistema funcional de apoio à gestão universitária, com base na análise e visualização de grandes volumes de dados referentes ao concurso nacional de acesso ao ensino superior em Portugal. Com o crescente volume de informação disponível e a necessidade de maior eficiência na tomada de decisão, torna-se imperativa a criação de soluções tecnológicas que integrem a recolha automatizada, o armazenamento estruturado e a análise preditiva dos dados. A dissertação foca-se na construção de um sistema completo que permita extrair informação a partir de fontes oficiais, armazenar os dados de forma eficiente, processar e analisar preferências dos candidatos, aplicar técnicas de data mining para prever o número de candidatos e a nota do último colocado dos cursos no ano seguinte, bem como apresentar os resultados através de visualizações intuitivas e informativas. A principal inovação deste estudo reside na inexistência de soluções semelhantes aplicadas ao contexto português e na ausência de metodologias estruturadas para a aplicação de técnicas de machine learning e data mining aos dados do acesso ao ensino superior. Os resultados esperados visam demonstrar a relevância da análise preditiva e da visualização inteligente de dados como instrumentos estratégicos de suporte à gestão e planeamento no contexto do ensino superior.

This paper proposes the development of a functional system to support university management, based on the analysis and visualization of large volumes of data related to the national competition for access to higher education in Portugal. With the increasing volume of available information and the need for greater efficiency in decision-making, it is imperative to create technological solutions that integrate automated collection, structured storage and predictive data analysis. The dissertation focuses on the construction of a complete system that allows extracting information from official sources, storing data efficiently, processing and analyzing candidate preferences, applying data mining techniques to predict the number of candidates and the grade of the last placed candidate in the courses in the following year, in addition to presenting the results through intuitive and informative visualizations. The main innovation of this study is the lack of similar solutions applied to the Portuguese context and the absence of structured methodologies for the application of machine learning and data mining techniques to higher education access data. The expected results aim to demonstrate the relevance of predictive analysis and intelligent data visualization as strategic instruments to support management and planning in the context of higher education.