Evasão de estudantes universitários: diagnóstico a partir de dados acadêmicos e socioeconômicos
Resumo
Educadores e gestores das instituições de ensino superior têm se preocupado com os altos índices de evasão de seus estudantes. Dessa forma, meios para o diagnóstico precoce de estudantes propensos à evasão são desejados, de forma a evitá-la. Neste trabalho, propõe-se uma abordagem para auxiliar as instituições nas tomadas de decisão para combate desse fenômeno, a partir do uso de dados acadêmicos e socioeconômicos dos estudantes. A viabilidade da estratégia foi estudada com base em registros de alunos do curso de Ciência da Computação da UFPB. Os resultados obtidos foram relevantes, com taxas de acerto de mais de 85% na classificação dos estudantes.
Palavras-chave:
evasão, ensino superior, diagnóstico, dados acadêmicos, dados socioeconômicos
Referências
Ang, S.L., Ong, H.C., e Low, H.C. (2016). Classification Using the General Bayesian Network. Pertanika Journal of Science & Technology, 24(1).
Aparecida, C., Baggi, S., e Lopes, D.A. (2011). Evasão e avaliação institucional no ensino superior: uma discussão bibliográfica.
Baggi, C.A.d.S. e Lopes, D.A. (2010). Evasão e avaliação institucional no ensino superior: Uma discussão bibliográfica. 2010.
Baker, R. et al. (2010). Data mining for education. International encyclopedia of education, 7:112–118.
Baradwaj, B.K. e Pal, S. (2012). Mining educational data to analyze students’ performance. arXiv preprint arXiv:1201.3417.
Barroso, M.F. e Falcão, E.B. (2004). Evasão Universitária: O caso do Instituto de Física da UFRJ. Encontro Nacional de Pesquisa em Ensino de Física, 9:1–14.
Bhardwaj, B.K. e Pal, S. (2012). Data Mining: A prediction for performance improvement using classification. arXiv preprint arXiv:1201.3418.
Brito, D.M., de Almeida Júnior, I.A., Queiroga, E.V., e do Rêgo, T.G. (2014). Predição de desempenho de alunos do primeiro período baseado nas notas de ingresso utilizando métodos de aprendizagem de máquina. In Anais do Simpósio Brasileiro de Informática na Educação, volume 25, page 882.
de Oliveira Júnior, J.G., Noronha, R.V., e Kaestner, C.A.A. (2014). Análise da correlação de evasão de cursos de graduação com o empréstimo de livros em biblioteca. In Anais dos Workshops do Congresso Brasileiro de Informática na Educação, volume 3, page 601.
de Souza, S.L. (2008). Evasão no Ensino Superior: Um Estudo utilizando a Mineração de Dados como ferramenta de Gestão do Conhecimento em um Banco de Dados referente à Graduação de Engenharia. Dissertação de Mestrado, Universidade Federal do Rio de Janeiro.
Dekker, G.W., Pechenizkiy, M., e Vleeshouwers, J.M. (2009). Predicting Students Drop Out: A Case Study. International Working Group on Educational Data Mining.
Faceli, K., Lorena, C.A., Gama, J., e Carvalho, André, C.P.L.F. (2011). Inteligência Artificial: Uma abordagem de aprendizado de máquina. Grupo Gen-LTC.
Gisi, M.L. (2006). A Educação Superior no Brasil: o caráter de desigualdade do acesso e da permanência. Diálogo Educacional, Curitiba, 6(17):97–112.
Hall, M., Frank, E., Holmes, G., Pfahringer, B., Reutemann, P., e Witten, I.H. (2009). The WEKA data mining software: an update. ACM SIGKDD explorations newsletter, 11(1):10–18.
Osmanbegović, E. e Suljić, M. (2012). Data mining approach for predicting student performance. Economic Review, 10(1).
Pascoal, T.A., de Brito, D.M., e do Rêgo, T.G. (2015). Uma abordagem para a previsão de desempenho de alunos de Computação em disciplinas de programação. In Nuevas Ideas en Informática Educativa TISE 2015, pages 454–458.
Prietch, S.S. e Pazeto, T.A. (2010). Estudo sobre a Evasão em um Curso de Licenciatura em Informática e Considerações para Melhorias. WEIBASE, Maceió/AL.
Romero, C. e Ventura, S. (2007). Educational data mining: A survey from 1995 to 2005. Expert systems with applications, 33(1):135–146.
Romero, C. e Ventura, S. (2010). Educational data mining: a review of the state of the art. Systems, Man, and Cybernetics, Part C: Applications and Reviews, IEEE Transactions on, 40(6):601–618.
Silva, L.A., Morino, A.H., e Sato, T.M.C. (2014). Prática de mineração de dados no exame nacional do ensino médio. In Anais dos Workshops do Congresso Brasileiro de Informática na Educação, volume 3, page 651.
Silva Filho, R.L.L., Motejunas, P.R., Hipólito, O., e Lobo, M. (2007). A evasão no ensino superior brasileiro. Cadernos de Pesquisa, 37(132):641–659.
Vitelli, R.F., Rocha, C.S., e Fritsch, R. (2011). Estudo sobre evasão nos cursos de graduação de uma Instituição de Ensino Superior privada: aplicação de regressão logística.
Witten, I.H. e Frank, E. (2011). Data Mining: Practical machine learning tools and techniques. Morgan Kaufmann.
Xenos, M. (2004). Prediction and assessment of student behaviour in open and distance education in computers using Bayesian networks. Computers & Education, 43(4):345–359.
Aparecida, C., Baggi, S., e Lopes, D.A. (2011). Evasão e avaliação institucional no ensino superior: uma discussão bibliográfica.
Baggi, C.A.d.S. e Lopes, D.A. (2010). Evasão e avaliação institucional no ensino superior: Uma discussão bibliográfica. 2010.
Baker, R. et al. (2010). Data mining for education. International encyclopedia of education, 7:112–118.
Baradwaj, B.K. e Pal, S. (2012). Mining educational data to analyze students’ performance. arXiv preprint arXiv:1201.3417.
Barroso, M.F. e Falcão, E.B. (2004). Evasão Universitária: O caso do Instituto de Física da UFRJ. Encontro Nacional de Pesquisa em Ensino de Física, 9:1–14.
Bhardwaj, B.K. e Pal, S. (2012). Data Mining: A prediction for performance improvement using classification. arXiv preprint arXiv:1201.3418.
Brito, D.M., de Almeida Júnior, I.A., Queiroga, E.V., e do Rêgo, T.G. (2014). Predição de desempenho de alunos do primeiro período baseado nas notas de ingresso utilizando métodos de aprendizagem de máquina. In Anais do Simpósio Brasileiro de Informática na Educação, volume 25, page 882.
de Oliveira Júnior, J.G., Noronha, R.V., e Kaestner, C.A.A. (2014). Análise da correlação de evasão de cursos de graduação com o empréstimo de livros em biblioteca. In Anais dos Workshops do Congresso Brasileiro de Informática na Educação, volume 3, page 601.
de Souza, S.L. (2008). Evasão no Ensino Superior: Um Estudo utilizando a Mineração de Dados como ferramenta de Gestão do Conhecimento em um Banco de Dados referente à Graduação de Engenharia. Dissertação de Mestrado, Universidade Federal do Rio de Janeiro.
Dekker, G.W., Pechenizkiy, M., e Vleeshouwers, J.M. (2009). Predicting Students Drop Out: A Case Study. International Working Group on Educational Data Mining.
Faceli, K., Lorena, C.A., Gama, J., e Carvalho, André, C.P.L.F. (2011). Inteligência Artificial: Uma abordagem de aprendizado de máquina. Grupo Gen-LTC.
Gisi, M.L. (2006). A Educação Superior no Brasil: o caráter de desigualdade do acesso e da permanência. Diálogo Educacional, Curitiba, 6(17):97–112.
Hall, M., Frank, E., Holmes, G., Pfahringer, B., Reutemann, P., e Witten, I.H. (2009). The WEKA data mining software: an update. ACM SIGKDD explorations newsletter, 11(1):10–18.
Osmanbegović, E. e Suljić, M. (2012). Data mining approach for predicting student performance. Economic Review, 10(1).
Pascoal, T.A., de Brito, D.M., e do Rêgo, T.G. (2015). Uma abordagem para a previsão de desempenho de alunos de Computação em disciplinas de programação. In Nuevas Ideas en Informática Educativa TISE 2015, pages 454–458.
Prietch, S.S. e Pazeto, T.A. (2010). Estudo sobre a Evasão em um Curso de Licenciatura em Informática e Considerações para Melhorias. WEIBASE, Maceió/AL.
Romero, C. e Ventura, S. (2007). Educational data mining: A survey from 1995 to 2005. Expert systems with applications, 33(1):135–146.
Romero, C. e Ventura, S. (2010). Educational data mining: a review of the state of the art. Systems, Man, and Cybernetics, Part C: Applications and Reviews, IEEE Transactions on, 40(6):601–618.
Silva, L.A., Morino, A.H., e Sato, T.M.C. (2014). Prática de mineração de dados no exame nacional do ensino médio. In Anais dos Workshops do Congresso Brasileiro de Informática na Educação, volume 3, page 651.
Silva Filho, R.L.L., Motejunas, P.R., Hipólito, O., e Lobo, M. (2007). A evasão no ensino superior brasileiro. Cadernos de Pesquisa, 37(132):641–659.
Vitelli, R.F., Rocha, C.S., e Fritsch, R. (2011). Estudo sobre evasão nos cursos de graduação de uma Instituição de Ensino Superior privada: aplicação de regressão logística.
Witten, I.H. e Frank, E. (2011). Data Mining: Practical machine learning tools and techniques. Morgan Kaufmann.
Xenos, M. (2004). Prediction and assessment of student behaviour in open and distance education in computers using Bayesian networks. Computers & Education, 43(4):345–359.
Publicado
24/10/2016
Como Citar
PASCOAL, Túlio Albuquerque; DE BRITO, Daniel Miranda; ANDRADE, Leandro Paiva; DO RÊGO, Thaís Gaudencio.
Evasão de estudantes universitários: diagnóstico a partir de dados acadêmicos e socioeconômicos. In: SIMPÓSIO BRASILEIRO DE INFORMÁTICA NA EDUCAÇÃO (SBIE), 27. , 2016, Uberlândia/MG.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2016
.
p. 926-935.
DOI: https://doi.org/10.5753/cbie.sbie.2016.926.
