Aprendizagem de máquina: modelo de predição de evasão acadêmica
Loading...
Date
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Instituto Federal de Educação, Ciência e Tecnologia do Piauí
Resumo
A evasão no ensino superior é um desafio persistente que impacta estudantes e
instituições. Este trabalho tem como objetivo desenvolver um modelo preditivo
baseado em aprendizagem de máquina capaz de identificar padrões associados ao
abandono acadêmico a partir de dados socioeconômicos. A pesquisa caracteriza-se
como um estudo quantitativo, utilizando dados históricos de alunos matriculados
entre os anos de 2012 e 2024 em um curso de licenciatura. A metodologia envolveu
etapas rigorosas de pré-processamento, abrangendo a imputação de valores
faltantes, normalização, seleção de atributos por filtragem estatística e
balanceamento de classes por meio de sobre amostragem sintética. Foram treinados
e avaliados quatro algoritmos de classificação supervisionada. Os experimentos
demonstraram que a preservação de dados associada à eliminação de variáveis
irrelevantes potencializou significativamente o aprendizado dos modelos. O
algoritmo baseado em florestas aleatórias obteve o melhor desempenho e equilíbrio
geral, apresentando forte capacidade de generalização e consistência na
identificação de discentes em situação de risco. Conclui-se que a abordagem
metodológica adotada demonstrou-se tecnicamente viável, ainda que o desempenho
preditivo obtido — limitado pelo reduzido volume de dados disponíveis — indiquem
que os resultados atuais devam ser interpretados como uma prova de conceito, e
não como um modelo pronto para aplicação direta na gestão institucional,
consolidando-se, nesse estágio, como um ponto de partida para o desenvolvimento
futuro de ferramentas de apoio à tomada de decisão voltadas à permanência
estudantil.
Description
Keywords
Evasão acadêmica, Aprendizagem de máquina, Predição