Modelo de Predição de Evasão Escolar com Base em Dados de Autoavaliação de Cursos de Graduação

Abstract

A evasão escolar é um desafio diário para instituições de ensino, no caso específico do ensino superior as altas taxas acarretam perdas financeiras e escassez de profissionais no mercado. Esta pesquisa teve como objetivo desenvolver e avaliar um modelo preditivo para identificar alunos propensos à evasão, utilizando dados de um modelo semestral de autoavaliação dos cursos de graduação da Universidade Federal da Paraíba (UFPB). Utilizando a mineração de dados educacionais e a metodologia CRISP-EDM, o estudo analisou a relação entre evasão escolar e autoavaliação institucional, seguido de análise exploratória e preparação dos dados para classificação. Diversas técnicas de modelagem, como Árvore de Decisão, Floresta Aleatória e Máquinas de Vetores de Suporte, foram aplicadas, sendo os modelos avaliados por métricas de desempenho, revelando uma acurácia de 87,97%, precisão de 91,72%, recall de 91,67% e medida F de 91,57% na identificação de alunos com alta probabilidade de evasão. Cerca de 59% dos alunos ativos da UFPB admitidos a partir de 2017 demonstraram probabilidade de abandonar seus cursos nos testes do modelo preditivo proposto. Essas informações podem embasar decisões institucionais e a implementação de políticas e ações eficazes contra a evasão, visando melhorar os resultados acadêmicos. O estudo contribui para avanços na predição de evasão escolar, fornecendo insights valiosos para decisões e estratégias preventivas na UFPB e outras instituições de ensino superior.