Modelo de predição de evasão escolar com base em dados de autoavaliação de cursos de graduação

Abstract

A evasão escolar constitui um desafio cotidiano enfrentado pelas instituições de ensino no Brasil e no mundo. No caso específico das instituições de ensino superior brasileiras, as taxas de evasão escolar permanecem em patamares preocupantes e inaceitáveis, resultando em perdas financeiras significativas e escassez de profissionais em áreas específicas da educação. Diante desse cenário, o objetivo desta pesquisa foi desenvolver e avaliar modelos preditivos para identificar alunos com maior propensão à evasão escolar, utilizando dados de um modelo semestral de autoavaliação dos cursos de graduação da Universidade Federal da Paraíba (UFPB). A metodologia utilizada neste estudo foi a mineração de dados educacionais, com base na metodologia CRISP-EDM. Inicialmente, foi realizada uma compreensão do domínio, investigando a problemática da evasão escolar e sua relação com os dados da autoavaliação institucional. Em seguida, foi realizada uma análise exploratória dos dados da autoavaliação dos cursos da UFPB, seguida pela preparação dos dados para a tarefa de classificação. Diversas técnicas de aprendizado de máquina foram aplicadas, incluindo Árvore de Decisão (Decision Tree - DT), Floresta Aleatória (Random Forest - RF) e Máquinas de Vetores de Suporte (Support Vector Machine - SVM). Os modelos desenvolvidos foram avaliados usando métricas de desempenho, como acurácia, precisão, recall e medida F. Os resultados mostraram que o modelo preditivo alcançou uma acurácia de 87,97%, precisão de 91,72%, recall de 91,67% e medida F de 91,57% na identificação dos alunos com maior propensão à evasão escolar. Além disso, constatou-se que aproximadamente 59% dos alunos ativos, admitidos entre 2017 e 2021, apresentam uma maior probabilidade de abandonar seus cursos. Essas informações são relevantes para embasar decisões institucionais e orientar a implementação de políticas e ações eficazes de combate à evasão escolar, visando mitigar esse problema e alcançar melhores resultados acadêmicos. Ao adotar a abordagem da mineração de dados educacionais e a metodologia CRISP-EDM, este estudo contribui para o avanço no campo da predição de evasão escolar, fornecendo informações para a tomada de decisões e o desenvolvimento de estratégias preventivas no contexto da UFPB e de outras instituições de ensino superior.