Mapeamento Sistemático da Mineração de Dados Educacionais no Combate à Evasão Escolar no Brasil
Resumo
Este artigo apresenta um Mapeamento Sistemático da Literatura com foco no uso de Mineração de Dados Educacionais (EDM) e algoritmos de Aprendizado de Máquina (ML) na identificação e prevenção da evasão escolar no Brasil. Foram analisados 46 estudos nacionais (2020-2024), considerando metodologias, ferramentas, algoritmos, bases de dados e tipos de atributos utilizados. A análise revelou predomínio do uso de dados acadêmicos e demográficos, com destaque para o desempenho dos algoritmos Floresta Aleatória e Árvores de Decisão. Observa-se avanço na área a partir de 2021, com uso de bases maiores. Este trabalho oferece uma visão abrangente do estado da arte e aponta lacunas para pesquisas futuras.Referências
Cechinel, C. and Camargo, S. (2019). Capítulo 12 Mineração de dados educacionais: avaliação e interpretação de modelos de classificação.
Colpo, M., Primo, T., Pernas, A., and Cechinel, C. (2020). Mineração de dados educacionais na previsão de evasão: uma rsl sob a perspectiva do congresso brasileiro de informática na educação. In XXXI Simpósio Brasileiro de Informática na Educação, pages 1102–1111, Porto Alegre, RS, Brasil. SBC.
Jesus, J. A. d. and Gusmão, R. P. d. (2024). Investigação da evasão estudantil por meio da mineração de dados e aprendizagem de máquina: Um mapeamento sistemático. Revista Brasileira de Informática na Educação, 32:807–841.
Morais, F., Melo, A., Moutinho, M., and Fagundes, R. (2021). Modelos de regressão aplicados na previsão da evasão escolar do ensino básico: uma revisão sistemática da literatura. In XXXII Simpósio Brasileiro de Informática na Educação, pages 168–178, Porto Alegre, RS, Brasil. SBC.
Santos, V., Saraiva, D., and Oliveira, C. (2021). Uma análise de trabalhos de mineração de dados educacionais no contexto da evasão escolar. In Anais do XXXII Simpósio Brasileiro de Informática na Educação, pages 1196–1210, Porto Alegre, RS, Brasil. SBC.
Silva, J. and Roman, N. (2021). Predicting dropout in higher education: a systematic review. In Anais do XXXII Simpósio Brasileiro de Informática na Educação, pages 1107–1117, Porto Alegre, RS, Brasil. SBC.
Colpo, M., Primo, T., Pernas, A., and Cechinel, C. (2020). Mineração de dados educacionais na previsão de evasão: uma rsl sob a perspectiva do congresso brasileiro de informática na educação. In XXXI Simpósio Brasileiro de Informática na Educação, pages 1102–1111, Porto Alegre, RS, Brasil. SBC.
Jesus, J. A. d. and Gusmão, R. P. d. (2024). Investigação da evasão estudantil por meio da mineração de dados e aprendizagem de máquina: Um mapeamento sistemático. Revista Brasileira de Informática na Educação, 32:807–841.
Morais, F., Melo, A., Moutinho, M., and Fagundes, R. (2021). Modelos de regressão aplicados na previsão da evasão escolar do ensino básico: uma revisão sistemática da literatura. In XXXII Simpósio Brasileiro de Informática na Educação, pages 168–178, Porto Alegre, RS, Brasil. SBC.
Santos, V., Saraiva, D., and Oliveira, C. (2021). Uma análise de trabalhos de mineração de dados educacionais no contexto da evasão escolar. In Anais do XXXII Simpósio Brasileiro de Informática na Educação, pages 1196–1210, Porto Alegre, RS, Brasil. SBC.
Silva, J. and Roman, N. (2021). Predicting dropout in higher education: a systematic review. In Anais do XXXII Simpósio Brasileiro de Informática na Educação, pages 1107–1117, Porto Alegre, RS, Brasil. SBC.
Publicado
09/09/2025
Como Citar
BASTOS, Neila T. M.; GOMES, Lara; SILVEIRA, Raquel; OLIVEIRA, Carina.
Mapeamento Sistemático da Mineração de Dados Educacionais no Combate à Evasão Escolar no Brasil. In: CONGRESSO SOBRE TECNOLOGIAS NA EDUCAÇÃO (CTRL+E), 9. , 2025, Fortaleza/CE.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2025
.
p. 177-187.
DOI: https://doi.org/10.5753/ctrle.2025.12545.
