Previsão de evasão em cursos de ensino superior através de aprendizado de máquina associado à análise de disciplinas aprovadas
Resumo
O problema da evasão escolar no âmbito do ensino superior atingiu valores alarmantes.
Segundo estudos de DAVOK; BERNARD (2016), cerca de 50% dos alunos da área de ciências
exatas e da terra não concluem seus respectivos cursos. Para buscar uma solução viável para tal
problema, o uso de algoritmos de aprendizado de máquina têm sido cada vez mais frequente,
a fim de buscar padrões e identificar alunos com potencial de evasão. Porém, encontrar uma
combinação de atributos adequada para treinamento não é tarefa tão simples. A grande expansão
do poder computacional possibilitou o desenvolvimento de técnicas de mineração de dados mais
eficientes, além do aumento de informações processadas e armazenadas atualmente. Assim, a
finalidade principal deste trabalho é a partir de dados referentes a disciplinas aprovadas do
aluno, que são dados de cunho não sensível, identificar um conjunto de atributos que, por meio
de um classificador, alcance taxas expressivas de acerto acerca de indivíduos com potencial de
evasão. Uma alta taxa de acerto na identificação de alunos com esse potencial é primordial para
que se tomem medidas eficazes no que diz respeito ao controle da evasão, podendo ser uma
destas medidas o acompanhamento pedagógico do aluno em questão.
Coleções
Os arquivos de licença a seguir estão associados a este item: