Aplicação de uma metodologia de previsão de evasão: um estudo de caso no campus UFV-Florestal
Resumo
A evasão no ensino superior é um desafio global, tornando essencial a identificação de alunos propensos a abandonar o curso e o momento em que isso ocorre. Este estudo, inspirado na metodologia de um artigo de referência, adota duas abordagens aplicadas a uma base de dados de uma universidade brasileira: modelos de aprendizado de máquina para prever quem irá evadir e análise de sobrevivência para estimar quando isso ocorrerá. Os resultados do aprendizado de máquina foram semelhantes aos do artigo base. Já as análises de sobrevivência apresentaram algumas diferenças, porém mantendo tendências similares. Os achados reforçam a validade dos métodos do artigo base em um novo contexto, contribuindo para a generalização dos resultados.Referências
Campos, J. D. d. S. (2016). Fatores explicativos para a evasão no ensino superior através da análise de sobrevivência: o caso da ufpe. Dissertação de mestrado, Universidade Federal de Pernambuco.
Correia, R., Mendonça, H., Silva, C., and Toledo, D. (2024). Análise dos principais fatores que influenciam a evasão no ensino superior utilizando técnicas de mineração de dados educacionais. In Anais do XXXII Workshop sobre Educação em Computação, pages 830–841, Porto Alegre, RS, Brasil. SBC.
Da Cruz, R. C., Juliano, R. C., Monteiro Souza, F. C., and Correa Souza, A. C. (2023). A score approach to identify the risk of students dropout: an experiment with information systems course. In Proceedings of the XIX Brazilian Symposium on Information Systems, pages 120–127.
de Oliveira, M. M. and Barbosa, E. F. (2023). Multilevel modeling for the analysis and prediction of school dropout: a systematic review. In 2023 IEEE 47th Annual Computers, Software, and Applications Conference (COMPSAC), pages 103–112. IEEE.
Duran, R., Bim, S. A., Gimenes, I., Ribeiro, L., and Correia, R. C. M. (2023). Potential factors for retention and intent to drop-out in brazilian computing programs. ACM Transactions on Computing Education, 23(3):1–33.
Hoed, R. M., Ladeira, M., and Leite, L. L. (2018). Influence of algorithmic abstraction and mathematical knowledge on rates of dropout from computing degree courses. Journal of the Brazilian Computer Society, 24(1):1–16.
Lima Junior, P., Silveira, F. L. d., and Ostermann, F. (2012). Análise de sobrevivência aplicada ao estudo do fluxo escolar nos cursos de graduação em física: um exemplo de uma universidade brasileira. Revista brasileira de ensino de física, 34:1403.
Mundim, P., Barbosa, D., Silva, G., and Silva, T. (2024). Impacto da gamificação e de grupos de apoio no ensino-aprendizagem de programação em um curso de ciência da computação. In Anais do XXXII Workshop sobre Educação em Computação, pages 419–430, Porto Alegre, RS, Brasil. SBC.
Opazo, D., Moreno, S., Álvarez-Miranda, E., and Pereira, J. (2021). Analysis of first-year university student dropout through machine learning models: A comparison between universities. Mathematics, 9(20):2599.
Pachas, D. A. G., Garcia-Zanabria, G., Cuadros-Vargas, A. J., Camara-Chavez, G., Poco, J., and Gomez-Nieto, E. (2021). A comparative study of who and when prediction approaches for early identification of university students at dropout risk. In 2021 XLVII Latin American Computing Conference (CLEI), pages 1–10. IEEE.
Rodrigues, H., Moraes, L., Santiago, E., Campos, J., Júnior, E. G., Wanderley, G., Garcia, A., Mello, C., Alvares, R., and Santos, R. (2024). Predicting student dropout on the information systems undergraduate program of unirio using decision trees. In Anais do XXXII Workshop sobre Educação em Computação, pages 588–598, Porto Alegre, RS, Brasil. SBC.
Saccaro, A., França, M. T. A., and Jacinto, P. d. A. (2019). Fatores associados à 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.
Santos, K. J. d. O., Menezes, A. G., de Carvalho, A. B., and Montesco, C. A. (2019). Supervised learning in the context of educational data mining to avoid university students dropout. In 2019 IEEE 19th International Conference on Advanced Learning Technologies (ICALT), volume 2161, pages 207–208. IEEE.
Silva, E. C., Freitas, S., Soares Ramos, C., Muniz De Menezes, A. E., and Rodrigues De Araujo, L. K. S. (2023). A systematic review of the factors that impact the prediction of retention and dropout in higher education.
Sousa, R., Fachini-Gomes, J., Holanda, M., and Leão, M. (2024). Um estudo da evasão no curso de licenciatura em computação da universidade de brasília. In Anais do XXXII Workshop sobre Educação em Computação, pages 715–725, Porto Alegre, RS, Brasil. SBC.
Correia, R., Mendonça, H., Silva, C., and Toledo, D. (2024). Análise dos principais fatores que influenciam a evasão no ensino superior utilizando técnicas de mineração de dados educacionais. In Anais do XXXII Workshop sobre Educação em Computação, pages 830–841, Porto Alegre, RS, Brasil. SBC.
Da Cruz, R. C., Juliano, R. C., Monteiro Souza, F. C., and Correa Souza, A. C. (2023). A score approach to identify the risk of students dropout: an experiment with information systems course. In Proceedings of the XIX Brazilian Symposium on Information Systems, pages 120–127.
de Oliveira, M. M. and Barbosa, E. F. (2023). Multilevel modeling for the analysis and prediction of school dropout: a systematic review. In 2023 IEEE 47th Annual Computers, Software, and Applications Conference (COMPSAC), pages 103–112. IEEE.
Duran, R., Bim, S. A., Gimenes, I., Ribeiro, L., and Correia, R. C. M. (2023). Potential factors for retention and intent to drop-out in brazilian computing programs. ACM Transactions on Computing Education, 23(3):1–33.
Hoed, R. M., Ladeira, M., and Leite, L. L. (2018). Influence of algorithmic abstraction and mathematical knowledge on rates of dropout from computing degree courses. Journal of the Brazilian Computer Society, 24(1):1–16.
Lima Junior, P., Silveira, F. L. d., and Ostermann, F. (2012). Análise de sobrevivência aplicada ao estudo do fluxo escolar nos cursos de graduação em física: um exemplo de uma universidade brasileira. Revista brasileira de ensino de física, 34:1403.
Mundim, P., Barbosa, D., Silva, G., and Silva, T. (2024). Impacto da gamificação e de grupos de apoio no ensino-aprendizagem de programação em um curso de ciência da computação. In Anais do XXXII Workshop sobre Educação em Computação, pages 419–430, Porto Alegre, RS, Brasil. SBC.
Opazo, D., Moreno, S., Álvarez-Miranda, E., and Pereira, J. (2021). Analysis of first-year university student dropout through machine learning models: A comparison between universities. Mathematics, 9(20):2599.
Pachas, D. A. G., Garcia-Zanabria, G., Cuadros-Vargas, A. J., Camara-Chavez, G., Poco, J., and Gomez-Nieto, E. (2021). A comparative study of who and when prediction approaches for early identification of university students at dropout risk. In 2021 XLVII Latin American Computing Conference (CLEI), pages 1–10. IEEE.
Rodrigues, H., Moraes, L., Santiago, E., Campos, J., Júnior, E. G., Wanderley, G., Garcia, A., Mello, C., Alvares, R., and Santos, R. (2024). Predicting student dropout on the information systems undergraduate program of unirio using decision trees. In Anais do XXXII Workshop sobre Educação em Computação, pages 588–598, Porto Alegre, RS, Brasil. SBC.
Saccaro, A., França, M. T. A., and Jacinto, P. d. A. (2019). Fatores associados à 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.
Santos, K. J. d. O., Menezes, A. G., de Carvalho, A. B., and Montesco, C. A. (2019). Supervised learning in the context of educational data mining to avoid university students dropout. In 2019 IEEE 19th International Conference on Advanced Learning Technologies (ICALT), volume 2161, pages 207–208. IEEE.
Silva, E. C., Freitas, S., Soares Ramos, C., Muniz De Menezes, A. E., and Rodrigues De Araujo, L. K. S. (2023). A systematic review of the factors that impact the prediction of retention and dropout in higher education.
Sousa, R., Fachini-Gomes, J., Holanda, M., and Leão, M. (2024). Um estudo da evasão no curso de licenciatura em computação da universidade de brasília. In Anais do XXXII Workshop sobre Educação em Computação, pages 715–725, Porto Alegre, RS, Brasil. SBC.
Publicado
20/07/2025
Como Citar
SOUZA, Lucas M.; MUNDIM, Pedro C. C.; BARBOSA, Daniel M.; BRAGA E SILVA, Gláucia; SILVA, Thais Regina de M. B..
Aplicação de uma metodologia de previsão de evasão: um estudo de caso no campus UFV-Florestal. In: WORKSHOP SOBRE EDUCAÇÃO EM COMPUTAÇÃO (WEI), 33. , 2025, Maceió/AL.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2025
.
p. 290-301.
ISSN 2595-6175.
DOI: https://doi.org/10.5753/wei.2025.8036.
