Um Modelo para Análise do Impacto da Retenção e Evasão no Ensino Superior Utilizando Cadeias de Markov Absorventes
Resumo
A evasão e a retenção são problemas recorrentes em cursos de graduação. A análise de sobrevivência permite verificar a influência de eventos, como a evasão, conclusão e vínculo estudantil, de acordo com o tempo e a probabilidade de ocorrência. Ela permite buscar soluções para resolver esses problemas com antecedência e evitar prejuízos às universidades. Este trabalho tem como objetivo propor um modelo de Cadeia de Markov para realizar a análise de sobrevivência dos estudantes ao longo de cursos de graduação. Neste trabalho, foram analisados dois cursos de graduação da área de computação de uma universidade pública brasileira, onde foi identificado que a evasão entre os dois cursos possui um comportamento diferente. As análises realizadas mostraram que o controle da retenção nos primeiros períodos é a ação mais importante para a redução da evasão dos cursos.
Palavras-chave:
Cadeia de Markov, Análise de Sobrevivência, Evasão, Retenção, Ensino Superior
Referências
Araújo, D. F. d. (2019). Análise e avaliação da trajetória de estudantes de graduação baseadas em modelagem por cadeias de Markov. PhD thesis, Programa de Pós-Graduação em Biometria e Estatística Aplicada. Departamento de Estatística e Informática.
Beltran, C. A. R., Xavier-Júnior, J. C., Barreto, C. A., and Neto, C. O. (2019). Plataforma de aprendizado de máquina para detecção e monitoramento de alunos com risco de evasão. In Brazilian Symposium on Computers in Education (Simpósio Brasileiro de Informática na Educação-SBIE), volume 30, page 1591.
Boumi, S. and Vela, A. E. (2020). Improving graduation rate estimates using regularly updating multi-level absorbing markov chains. Education Sciences, 10(12):377.
Brezavscek, A., Bach, M. P., and Baggia, A. (2017). Markov analysis of students performance and academic progress in higher education. Organizacija, 50(2):83–95.
Campos, J. D. d. S. (2016). Fatores explicativos para a evasão no ensino superior através da análise de sobrevivência: o caso da ufpe. Master's thesis, Universidade Federal de Pernambuco.
Carrano, D., De Albergaria, E. T., Infante, C., and Rocha, L. (2019). Combinando técnicas de mineração de dados para melhorar a detecção de indicadores de evasão universitária. In Brazilian Symposium on Computers in Education (Simpósio Brasileiro de Informática na Educação-SBIE), volume 30, page 1321.
Costa, F. J. d., Bispo, M. d. S., and Pereira, R. d. C. d. F. (2018). Dropout and retention of undergraduate students in management: a study at a brazilian federal university. RAUSP Management Journal, 53(1):74–85.
Da Silva, A. M. and Santos, B. C. S. (2017). Eficácia de políticas de acesso ao ensino superior privado na contenção da evasão. Avaliação: Revista da Avaliação da Educação Superior, 22(3):741–757.
De Almeida Teodoro, L. and Kappel, M. A. A. (2020). Aplicação de técnicas de aprendizado de máquina para predição de risco de evasão escolar em instituições públicas de ensino superior no brasil. Revista Brasileira de Informática na Educação, 28:838–863.
De Brito, B. C. P., De Mello, R. F. L., and Alves, G. (2020). Identificação de atributos relevantes na evasão no ensino superior público brasileiro. In Anais do XXXI Simpósio Brasileiro de Informática na Educação, pages 1032–1041.
De Jesus, H. O., Rodriguez, L. C., and Junior, A. d. O. C. (2021). Predição de evasão escolar na licenciatura em computação. Revista Brasileira de Informática na Educação, 29:255–272.
Dos Santos, D. C. V. B. and Falão, T. P. (2017). Acompanhamento de alunos em ambientes virtuais de aprendizagem baseado em sistemas tutores inteligentes. In Brazilian Symposium on Computers in Education (Simpósio Brasileiro de Informática na Educação-SBIE), volume 28, page 1267.
Kleinbaum, D. G. and Mitchel, K. (2010). Survival analysis, volume 3. Springer.
Lima, E. and Coutinho, E. (2019). Uma análise sobre o desempenho de alunos de graduação em disciplinas iniciais de programação. In Brazilian Symposium on Computers in Education (Simpósio Brasileiro de Informática na Educação-SBIE), volume 30, page 1876.
Manhães, L. M. B., Da Cruz, S. M. S., Costa, R. J. M., Zavaleta, J., and Zimbrão, G. (2012). Previsão de estudantes com risco de evasão utilizando técnicas de mineração de dados. In Brazilian Symposium on Computers in Education (Simpósio Brasileiro de Informática na Educação-SBIE), volume 1.
Queiroga, E., Cechinel, C., and Araújo, R. (2017). Predição de estudantes com risco de evasão em cursos técnicos a distância. In Brazilian Symposium on Computers in Education (Simpósio Brasileiro de Informática na Educação-SBIE), volume 28, page 1547.
Ramos, J. L. C., Gomes, A. S., Rodrigues, R., Silva, J., De Souza, F. d. F., De Gouveia Zambom, E., and Prado, L. (2017). Um modelo preditivo da evasão dos alunos na ead a partir dos construtos da teoria da distância transacional. In Brazilian Symposium on Computers in Education (Simpósio Brasileiro de Informática na Educação-SBIE), volume 28, page 1227.
Rigo, S. J., Cambruzzi, W., Barbosa, J. L., and Cazella, S. C. (2014). Aplicações de mineração de dados educacionais e learning analytics com foco na evasão escolar: oportunidades e desafios. Revista Brasileira de Informática na Educação, 22:132.
Rodrigues, F. S., Brackmann, C. P., and Barone, D. A. C. (2015). Estudo da evasão no curso de ciência da computação da ufrgs. Revista Brasileira de Informática na Educação, v. 23.
Saccaro, A., França, M. T. A., and Jacinto, P. d. A. (2019). Fatores associados a evasão no ensino superior brasileiro: um estudo de análise de sobrevivência para os cursos das áreas de ciência, matemática e computação e de engenharia, produção e construção em instituições públicas e privadas. Estudos Econômicos (São Paulo), 49(2):337–373.
Sheskin, T. J. (2016). Markov chains and decision processes for engineers and managers. CRC press.
Xavier, M. and Meneses, J. (2020). A literature review on the definitions of dropout in online higher education. In EDEN Conference Proceedings, p. 73–80.
Beltran, C. A. R., Xavier-Júnior, J. C., Barreto, C. A., and Neto, C. O. (2019). Plataforma de aprendizado de máquina para detecção e monitoramento de alunos com risco de evasão. In Brazilian Symposium on Computers in Education (Simpósio Brasileiro de Informática na Educação-SBIE), volume 30, page 1591.
Boumi, S. and Vela, A. E. (2020). Improving graduation rate estimates using regularly updating multi-level absorbing markov chains. Education Sciences, 10(12):377.
Brezavscek, A., Bach, M. P., and Baggia, A. (2017). Markov analysis of students performance and academic progress in higher education. Organizacija, 50(2):83–95.
Campos, J. D. d. S. (2016). Fatores explicativos para a evasão no ensino superior através da análise de sobrevivência: o caso da ufpe. Master's thesis, Universidade Federal de Pernambuco.
Carrano, D., De Albergaria, E. T., Infante, C., and Rocha, L. (2019). Combinando técnicas de mineração de dados para melhorar a detecção de indicadores de evasão universitária. In Brazilian Symposium on Computers in Education (Simpósio Brasileiro de Informática na Educação-SBIE), volume 30, page 1321.
Costa, F. J. d., Bispo, M. d. S., and Pereira, R. d. C. d. F. (2018). Dropout and retention of undergraduate students in management: a study at a brazilian federal university. RAUSP Management Journal, 53(1):74–85.
Da Silva, A. M. and Santos, B. C. S. (2017). Eficácia de políticas de acesso ao ensino superior privado na contenção da evasão. Avaliação: Revista da Avaliação da Educação Superior, 22(3):741–757.
De Almeida Teodoro, L. and Kappel, M. A. A. (2020). Aplicação de técnicas de aprendizado de máquina para predição de risco de evasão escolar em instituições públicas de ensino superior no brasil. Revista Brasileira de Informática na Educação, 28:838–863.
De Brito, B. C. P., De Mello, R. F. L., and Alves, G. (2020). Identificação de atributos relevantes na evasão no ensino superior público brasileiro. In Anais do XXXI Simpósio Brasileiro de Informática na Educação, pages 1032–1041.
De Jesus, H. O., Rodriguez, L. C., and Junior, A. d. O. C. (2021). Predição de evasão escolar na licenciatura em computação. Revista Brasileira de Informática na Educação, 29:255–272.
Dos Santos, D. C. V. B. and Falão, T. P. (2017). Acompanhamento de alunos em ambientes virtuais de aprendizagem baseado em sistemas tutores inteligentes. In Brazilian Symposium on Computers in Education (Simpósio Brasileiro de Informática na Educação-SBIE), volume 28, page 1267.
Kleinbaum, D. G. and Mitchel, K. (2010). Survival analysis, volume 3. Springer.
Lima, E. and Coutinho, E. (2019). Uma análise sobre o desempenho de alunos de graduação em disciplinas iniciais de programação. In Brazilian Symposium on Computers in Education (Simpósio Brasileiro de Informática na Educação-SBIE), volume 30, page 1876.
Manhães, L. M. B., Da Cruz, S. M. S., Costa, R. J. M., Zavaleta, J., and Zimbrão, G. (2012). Previsão de estudantes com risco de evasão utilizando técnicas de mineração de dados. In Brazilian Symposium on Computers in Education (Simpósio Brasileiro de Informática na Educação-SBIE), volume 1.
Queiroga, E., Cechinel, C., and Araújo, R. (2017). Predição de estudantes com risco de evasão em cursos técnicos a distância. In Brazilian Symposium on Computers in Education (Simpósio Brasileiro de Informática na Educação-SBIE), volume 28, page 1547.
Ramos, J. L. C., Gomes, A. S., Rodrigues, R., Silva, J., De Souza, F. d. F., De Gouveia Zambom, E., and Prado, L. (2017). Um modelo preditivo da evasão dos alunos na ead a partir dos construtos da teoria da distância transacional. In Brazilian Symposium on Computers in Education (Simpósio Brasileiro de Informática na Educação-SBIE), volume 28, page 1227.
Rigo, S. J., Cambruzzi, W., Barbosa, J. L., and Cazella, S. C. (2014). Aplicações de mineração de dados educacionais e learning analytics com foco na evasão escolar: oportunidades e desafios. Revista Brasileira de Informática na Educação, 22:132.
Rodrigues, F. S., Brackmann, C. P., and Barone, D. A. C. (2015). Estudo da evasão no curso de ciência da computação da ufrgs. Revista Brasileira de Informática na Educação, v. 23.
Saccaro, A., França, M. T. A., and Jacinto, P. d. A. (2019). Fatores associados a evasão no ensino superior brasileiro: um estudo de análise de sobrevivência para os cursos das áreas de ciência, matemática e computação e de engenharia, produção e construção em instituições públicas e privadas. Estudos Econômicos (São Paulo), 49(2):337–373.
Sheskin, T. J. (2016). Markov chains and decision processes for engineers and managers. CRC press.
Xavier, M. and Meneses, J. (2020). A literature review on the definitions of dropout in online higher education. In EDEN Conference Proceedings, p. 73–80.
Publicado
22/11/2021
Como Citar
SANTOS, Juliana F. dos; SOUSA, José Diogo A. de; MELLO, Rafael Ferreira; CRISTINO, Claudio T.; ALVES, Gabriel.
Um Modelo para Análise do Impacto da Retenção e Evasão no Ensino Superior Utilizando Cadeias de Markov Absorventes. In: SIMPÓSIO BRASILEIRO DE INFORMÁTICA NA EDUCAÇÃO (SBIE), 32. , 2021, Online.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2021
.
p. 813-823.
DOI: https://doi.org/10.5753/sbie.2021.218219.
