Análise preditiva e exploratória de dados para auxiliar no combate à evasão estudantil nos cursos superiores do IFPB

Abstract

A evasão estudantil é um problema complexo no âmbito educacional, podendo estar ligada a diversos fatores. Identificar variáveis que inferem na ocorrência de um fenômeno e até mesmo prevê-lo é uma tarefa possível com a aplicação de Machine Learning em análises preditivas. O propósito deste trabalho é obter um conhecimento que auxilie no sentido preditivo, ao encontrar padrões em comum, sobre os alunos que evadem de cursos superiores no Instituto Federal de Educação, Ciência e Tecnologia da Paraíba por meio de uma análise preditiva e exploratória de dados da Plataforma Nilo Peçanha (PNP), assim facilitando a previsão do abandono dos estudos por parte dos alunos. Foram utilizados os algoritmos Support Vector Machine, Decision Tree, K-Nearest Neighbors e Logistic Regression em uma tarefa de classificação, onde o melhor modelo foi selecionado e implantado em uma aplicação web, bem como foram retirados insights importantes sobre a evasão por meio de uma análise exploratória dos dados estudantis da rede federal de educação extraídos da PNP.