Análise da Evasão Universitária em Cursos de Computação no Brasil: Estudo de Caso em uma Instituição em Minas Gerais
Resumo
Este estudo caracteriza os padrões de evasão nos cursos da área de Computação por meio da análise de dados históricos de 2.333 discentes de uma universidade federal multicampi. Diferentemente de abordagens generalistas, o trabalho adota uma análise territorialmente situada, com segmentações por variáveis acadêmicas, demográficas e regionais. Os resultados evidenciam que a evasão é predominantemente precoce, concentrando-se no primeiro ano letivo. Demonstra-se que o baixo rendimento acadêmico é o determinante central do abandono – abrangendo cerca de 90% dos casos e independente do gênero –, em contraste com o baixo poder preditivo isolado da nota de ingresso (ENEM). A ausência de assistência estudantil e a origem geográfica dos discentes emergem como fatores agravantes adicionais. Esses achados fornecem evidências para o desenvolvimento de estratégias institucionais mais eficazes de retenção e apontam para a aplicação futura de técnicas de Mineração de Dados Educacionais e Aprendizado de Máquina na identificação precoce de perfis de risco.
Referências
Alvim, Í. V., Bittencourt, R. A., and Duran, R. S. (2024). Evasão nos cursos de graduação em computação no Brasil. In Anais do IV Simpósio Brasileiro de Educação em Computação (EduComp), pages 1–11, São Paulo. SBC.
Arévalo-Cordovilla, F. E. and Peña, M. (2025). AI-driven predictive models and chatbots for early intervention and student success in higher education: A systematic review. International Journal of Engineering Education, 41(6):1473–1488.
Azy, W., Braga, R., Ströele, V., David, J. M. N., Campos, F., Chaves, L. J., and Campos, L. (2024). Intelligent analysis of students profile about dropout factors: A study in information system course context. In Anais do XXXV Simpósio Brasileiro de Informática na Educação (SBIE), pages 3038–3048, Rio de Janeiro. SBC.
Behr, A., Giese, M., Teguim Kamdjou, H. D., and Theune, K. (2020). Dropping out of university: A literature review. Review of Education, 8(2):614–652.
BRASIL (2007). Decreto nº 6.096, de 24 de abril de 2007. institui o programa de apoio a planos de reestruturação e expansão das universidades federais – REUNI. Disponível em: [link] decreto/d6096.htm. Acesso em: 15 jan. 2026.
BRASIL (2012). Lei nº 12.711, de 29 de agosto de 2012. dispõe sobre o ingresso nas universidades federais e nas instituições federais de ensino técnico de nível médio e dá outras providências. Disponível em: [link]. Acesso em: 15 jan. 2026.
Cho, C. H., Yu, Y. W., and Kim, H. G. (2023). A study on dropout prediction for university students using machine learning. Applied Sciences, 13(21):12004.
de Oliveira, C. F., Sobral, S. R., Ferreira, M. J., and Moreira, F. (2021). How does learning analytics contribute to prevent students’ dropout in higher education: A systematic literature review. Big Data and Cognitive Computing, 5(4):64.
Dias, E. C. M., Theóphilo, C. R., and Lopes, M. A. S. (2010). Evasão no ensino superior: estudo dos fatores causadores da evasão no curso de Ciências Contábeis da Universidade Estadual de Montes Claros – Unimontes – MG. In Anais do 7º Congresso USP de Iniciação Científica em Contabilidade, pages 1–16, São Paulo.
Duran, R. S., Bim, S. A., Gimenes, I. M. S., 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):36:1–36:33.
Fritsch, R., Rocha, C. S. d., and Vitelli, R. F. (2015). A evasão nos cursos de graduação em uma instituição de ensino superior privada. Revista Educação em Questão, 52(38):81–108.
Fukao, A. T., Colanzi, T. E., Martimiano, L. A. F., and Feltrim, V. D. (2023). Estudo sobre evasão nos cursos de computação da Universidade Estadual de Maringá. In Anais do III Simpósio Brasileiro de Educação em Computação (EduComp), pages 86–96, Porto Alegre. SBC.
Funchal, J. P. d. S., Rodrigues, A. S. d. P., and Borges, E. N. (2016). Um modelo preditivo para estudo da evasão na graduação utilizando mineração de dados. RETEC – Revista de Tecnologias, 9(3):75–79.
G1 (2024). UFJF, UFV e UFSJ: após fim da greve dos professores, universidades da Zona da Mata e Vertentes ainda vão definir data de volta às aulas. Disponível em: [link]. Acesso em: 15 jan. 2026.
Garcia, L. M. L. d. S., Lara, D. F., and Antunes, F. (2021). Investigação e análise da evasão e seus fatores motivacionais no ensino superior: um estudo de caso na Universidade do Estado de Mato Grosso. Avaliação: Revista da Avaliação da Educação Superior, 26(1):112–136.
Gilioli, R. d. S. P. (2016). Evasão em instituições federais de ensino superior no Brasil: expansão da rede, SISU e desafios. Estudo técnico, Câmara dos Deputados, Brasília, DF.
Guzmán Rincón, A., Barragán, S., and Cala Vitery, F. (2021). Dropout in rural higher education: A systematic review. Frontiers in Education, 6:727833.
Instituto Semesp (2024). 14º mapa do ensino superior no Brasil. Disponível em: [link].
Magalhães, P. V. S., Sousa, R. A. d. S., Santos, A. C. B., Aguiar, F. J. M., and Milfont, R. T. P. (2025). Modelos de inteligência artificial para predição de evasão escolar: uma revisão sistemática. Revista Eletrônica de Iniciação Científica em Computação (REIC), 23:48–54.
Mundim, P. C. C., Silva, T. R. d. M. B., Silva, G. B. e., and Barbosa, D. M. (2025). Evasão em cursos superiores na área de computação: Um mapeamento sistemático da literatura. In Anais do XXXIII Workshop sobre Educação em Computação (WEI), pages 1054–1066, Maceió, AL. SBC.
Nogueira, C. M. M., Nonato, B. F., Ribeiro, G. M., and Flontino, S. R. D. (2017). Promessas e limites: o Sisu e sua implementação na Universidade Federal de Minas Gerais. Educação em Revista, 33:e161036.
Oliveira, R. d. S. and Medeiros, F. P. A. d. (2024). Modelo de predição de evasão escolar com base em dados de autoavaliação de cursos de graduação. Revista Brasileira de Informática na Educação (RBIE), 32:1–21.
Qvortrup, A. and Lykkegaard, E. (2024). The malleability of higher education study environment factors and their influence on humanities student dropout—validating an instrument. Education Sciences, 14(8):904.
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.
Silva, E. E. d. O., Silva, J. d. S., and Albuquerque, C. H. d. (2016). Uma análise da evasão escolar nos cursos de tecnologia da informação: um estudo de caso em Floresta/PE. In Anais do Workshop sobre Educação em Computação (WEI), pages 2413–2421, Porto Alegre. SBC.
Silva, F. C. d., Cabral, T. L. d. O., and Pacheco, A. S. V. (2020). Evasão ou permanência? modelos preditivos para a gestão do ensino superior. Arquivos Analíticos de Políticas Educativas, 28(149).
Silva, P. T. d. F. e. and Sampaio, L. M. B. (2022). Políticas de permanência estudantil na educação superior: reflexões de uma revisão da literatura para o contexto brasileiro. Revista de Administração Pública, 56(5):603–631.
Silva Filho, R. L. L. e., Motejunas, P. R., Hipólito, O., and Lobo, M. B. d. C. M. (2007). A evasão no ensino superior brasileiro. Cadernos de Pesquisa, 37(132):641–659.
Teodoro, L. d. A. 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 (RBIE), 28:838–863.
Tinto, V. (1993). Leaving College: Rethinking the Causes and Cures of Student Attrition. University of Chicago Press, Chicago, 2 edition.
