Análise e predição de evasão dos alunos usando Aprendizado de Máquina

Abstract

Neste artigo, foi apresentado um estudo de caso sobre a utilização de algoritmos de aprendizado de máquina para prever o nível de evasão dos cursos de Telemática e Engenharia de Computação do IFPB Campina Grande. Os dados foram obtidos a partir da plataforma SUAP e pré-processados para remover valores nulos e converter variáveis categóricas em numéricas. Foram utilizados cinco algoritmos diferentes: naive bayses, o algoritmo SVM, Decision Tree Classifier, XGBoost e MLPClassifier. Os resultados mostraram que o XGBoost teve a melhor acurácia, precision, recall e F1-score para os dados dos cursos de TI, enquanto o Decision Tree Classifier obteve resultados um pouco piores e o naive bayses teve a pior performance. O estudo apresentado neste artigo pode ser útil para a instituição prever a situação acadêmica de seus alunos para fornecer suporte adicional aos alunos em risco de evasão.