Pode a inteligência artificial apoiar ações contra evasão escolar universitária?

Wanderci Alves Bitencourt, Diego Mello Silva, Gláucia do Carmo Xavier

Resumo


A evasão escolar é uma preocupação mundial devido às consequências negativas para toda a sociedade, sendo preciso investigá-la para compreendê-la e atuar de forma antecipada, mitigando seu risco de ocorrência. Esse trabalho propõe o emprego de Mineração de Dados Educacionais com técnicas de Aprendizado de Máquina para identificar as variáveis que são importantes para a caracterização do perfil do estudante em risco de evasão. As técnicas Máquina de Vetores de Suporte, Gradient Boosting Machine, Floresta Aleatória e comitê de máquina foram aplicadas a 1.429 registros de estudantes dos cursos superiores de um dos campi do IFMG, entre 2013 e 2019. Os resultados obtidos sugerem superioridade de desempenho do comitê de máquina, por meio do qual se obteve a importância das variáveis sobre o fenômeno em estudo, o que permitiu traçar o perfil do estudante evasor, por período. Tais resultados viabilizaram a proposição de um processo de detecção e acompanhamento desses estudantes.


Palavras-chave


Evasão; Aprendizado de Máquina; Estudantes Universitários

Referências


BAGGI, C. A. S.; LOPES, D. A. Evasão e avaliação institucional no ensino superior: uma discussão bibliográfica. Avaliação, Campinas, v. 16, n. 2, p. 355-374, jul. 2011. https://doi.org/10.1590/S1414-40772011000200007

CHUNG, J. Y.; LEE, S. Dropout early warning systems for high school students using machine learning. Children and Youth Services Review, Elmsford, v. 96, p. 346-353, Jan. 2019. https://doi.org/10.1016/j.childyouth.2018.11.030

COLPANI, R. Mineração de Dados Educacionais: um estudo da evasão no ensino médio com base nos indicadores do Censo Escolar. Informática na Educação: Teoria & Prática, Porto Alegre, v. 21, n. 3, p. 143-157, set.dez. 2018.

DIGIAMPIETRI, L. A.; NAKANO, F.; LAURETTO, M. S. Mineração de dados para identificação de alunos com alto risco de evasão: um estudo de caso. Revista de Graduação USP, São Paulo, v. 1, n. 1, p. 17-23, jul. 2016. https://doi.org/10.11606/issn.2525-376X.v1i1p17-23

FACELI, K. et al. Inteligência artificial: uma abordagem de aprendizado de máquina. Rio de Janeiro: LTC, 2011.

FERNÁNDEZ HILARIO, A. et al. Learning from imbalanced data sets. Berlin: Springer, 2018.

FIGUEIREDO, N. G. S.; SALLES, D. M. R. Educação profissional e evasão escolar em contexto: motivos e reflexões. Ensaio: Avaliação e Políticas Públicas em Educação, Rio de Janeiro, v. 25, n. 95, p. 356-392, abr. 2017. https://doi.org/10.1590/S0104-40362017002500397

FRITSCH, R.; ROCHA, C. S.; VITELLI, R. F. A evasão nos cursos de graduação em uma instituição de ensino superior privada. Revista Educação em Questão, Natal, v. 52, n. 38, p. 81-108, ago. 2015. https://doi.org/10.21680/1981-1802.2015v52n38ID7963

GOLDSCHMIDT, R.; BEZERRA, E.; PASSOS, E. Data mining: conceitos, técnicas, algoritmos, orientações e aplicações. Rio de Janeiro: Elsevier, 2015.

HOFFMANN, I. L.; NUNES, R. C.; MULLER, F. M. As informações do Censo da Educação Superior na implementação da gestão do conhecimento organizacional sobre evasão. Gestão & Produção, São Carlos, v. 26, n. 2, p.e2852, 2019. https://doi.org/10.1590/0104-530X-2852-19

KNOWLES, J. E. Of needles and haystacks: Building an accurate statewide dropout early warning system in Wisconsin. Journal of Educational Data Mining, Sydney, v. 7, n. 3, p. 18-67, July 2015. https://doi.org/10.5281/zenodo.3554725

LIMA JUNIOR, P. et al. Taxas longitudinais de retenção e evasão: uma metodologia para estudo da trajetória dos estudantes na educação superior. Ensaio: Avaliação e Políticas Públicas em Educação, Rio de Janeiro, v. 27, n. 102, p. 157-178, jan./mar. 2019. https://doi.org/10.1590/S0104-40362018002701431

MASSI, L.; VILLANI, A. Um caso de contratendência: baixa evasão na licenciatura em química explicada pelas disposições e integrações. Educação e Pesquisa, São Paulo, v. 41, n. 4, out./dez. 2015. https://doi.org/10.1590/s1517-9702201512135667

MATTA, C. M. B.; LEBRÃO, S. M. G.; HELENO, M. G. V. Adaptação, rendimento, evasão e vivências acadêmicas no ensino superior: revisão da literatura. Psicologia Escolar e Educacional, São Paulo, v. 21, n. 3, p. 583-591, set./dez. 2017. https://doi.org/10.1590/2175-353920170213111118

PEREIRA, M. C. Evasão escolar: causas e desafios. Revista Científica Multidisciplinar Núcleo do Conhecimento, São Paulo, v. 4, n.2, p. 36-51, fev. 2019.

PRESTES, E. M. T.; FIALHO, M. G. D. Evasão na educação superior e gestão institucional: o caso da Universidade Federal da Paraíba. Ensaio: Avaliação e Políticas Públicas em Educação, Rio de Janeiro, v. 26, n. 100, p. 869-889, jul./set, 2018. https://doi.org/10.1590/S0104-40362018002601104

ROBISON, S. et al. Correlates of educational success: predictors of school dropout and graduation for urban students in the Deep South. Children and Youth Services Review, Elmsford, v. 73, p. 37-46, Feb. 2017. https://doi.org/10.1016/j.childyouth.2016.11.031

ROVIRA, S.; PUERTAS, E.; IGUAL, L. Data-driven system to predict academic grades and dropout. PLoS ONE, San Francisco, v. 12, n.2, e0171207, 2017. https://doi.org/10.1371/journal.pone.0171207

SANTOS JUNIOR, J. S.; REAL, G. C. M. O acesso à educação superior na Universidade Federal da Grande Dourados: trajetória de estudantes ingressantes entre 2006-2009. Revista Brasileira de Política e Administração da Educação, v. 33, n. 2, p. 467-492, jan./abr. 2017. https://doi.org/10.21573/vol33n22017.71081

SILVA, A. M.; SANTOS, B. C. S. Eficácia de políticas de acesso ao ensino superior privado na contenção da evasão. Avaliação, Campinas, v. 22, n. 3, p. 741-757, nov. 2017. https://doi.org/10.1590/S1414-40772017000300009

SILVA FILHO, R. B.; ARAÚJO, R. M. L. Evasão e abandono escolar na educação básica no Brasil: fatores, causas e possíveis consequências. Educação por Escrito, Porto Alegre, v. 8, n. 1, p. 35-48, 2017. https://doi.org/10.15448/2179-8435.2017.1.24527

SILVA FILHO, R. L. L. A evasão no ensino superior brasileiro: novos dados. Estadão, São Paulo, 7 out. 2017. Disponível em: https://educacao.estadao.com.br/blogs/roberto-lobo/497-2/ Acesso em: nov. 2019.

SOUTO, R. M. A. Egressos da licenciatura em matemática abandonam o magistério: reflexões sobre profissão e condição docente. Educação e Pesquisa, São Paulo, v. 42, n. 4, p. 1077-1092, out./dez. 2016. https://doi.org/10.1590/S1517-9702201608144401

TINTO, V. Classrooms as communities: exploring the educational character of student persistence. Journal of Higher Education, Philadelphia, v. 68, n. 6, p. 599-623, Nov./Dec. 1997. https://doi.org/10.2307/2959965

TINTO, V. Research and practice of student retention: What next? Journal of College Student Retention: Research, Theory & Practice, Amityville, v. 8, n. 1, p. 1-19, 2006. https://doi.org/10.2190/4YNU-4TMB-22DJ-AN4W

TONTINI, G.; WALTER, S. A. Pode-se identificar a propensão e reduzir a evasão de alunos?: ações estratégicas e resultados táticos para instituições de ensino superior. Avaliação, Campinas, v. 19, n. 1, p. 89-110, mar. 2014. https://doi.org/10.1590/S1414-40772014000100005




DOI: http://dx.doi.org/10.1590/S0104-403620220003002854

Apontamentos

  • Não há apontamentos.




Direitos autorais 2022 Ensaio: Avaliação e Políticas Públicas em Educação

Licença Creative Commons
Este obra está licenciado com uma Licença Creative Commons Atribuição-NãoComercial 4.0 Internacional.

Apoio:




Programa de Apoio às Publicacoes Cientificas (AED) do Ministério da Ciência, Tecnologia e Inovação (MCTI), Conselho Nacional de Desenvolvimento Cientifico e tecnologico (CNPq), Ministerio da Educação (MEC), Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (Capes) e Fundação de Amparo à Pesquisa do Estado do Rio de Janeiro - FAPERJ.
 

SCImago Journal & Country Rank