Análise da trajetória acadêmica estudantil utilizando mineração de processos com ênfase na evasão do curso de Ciência da Computação da UFC em Quixadá
Resumo
Este trabalho analisa uma modelagem da estrutura curricular do curso de Ciência da Computação da UFC – Campus de Quixadá, por meio de redes de Petri. Com base nos históricos acadêmicos dos discentes, foi construído um log de eventos representando suas trajetórias ao longo dos semestres. Utilizando a técnica de token replay, foram extraídas métricas que possibilitaram comparar estudantes formados e evadidos. Os resultados evidenciam padrões distintos de aderência ao modelo curricular e permitem identificar gargalos e pontos críticos associados à evasão.Referências
Carvalho, C., Mattos, J., and Aguiar, M. (2023). Avaliação da interpretabilidade de modelos por meio da clusterização de explicações no contexto da predição de evasão no ensino superior. In Anais do XXXIV Simpósio Brasileiro de Informática na Educação, pages 1191–1201, Porto Alegre, RS, Brasil. SBC.
Colpo, M., Primo, T., and Aguiar, M. (2021). Predição da evasão estudantil: uma análise comparativa de diferentes representações de treino na aprendizagem de modelos genéricos. In Anais do XXXII Simpósio Brasileiro de Informática na Educação, pages 873–884, Porto Alegre, RS, Brasil. SBC.
de Freitas Filho, A. G. (2025). Análise da trajetória acadêmica estudantil utilizando mineração de processos com ênfase na evasão do curso de Ciência da Computação da UFC em Quixadá. Dissertação (mestrado em computação), Campus de Quixadá, Programa de Pós-Graduação em Computação, Universidade Federal do Ceará, Quixadá.
do Carmo, Ê. P., Gasparini, I., and de Oliveira, E. H. T. (2022). Identificação de trajetórias de aprendizagem em um curso de graduação e sua relação com a evasão escolar. In Anais do XXXIII Simpósio Brasileiro de Informática na Educação, pages 323–333. SBC.
dos Santos Oliveira, R. and de Medeiros, F. P. A. (2024). Modelo de predição de evasão escolar com base em dados de autoavaliação de cursos de graduação. Revista Brasileira de Informática na Educação, 32:1–21.
INEP, D. d. E. E. (2017). Metodologia de cálculo dos indicadores de fluxo da educação superior.
Jesus, P. A. S. d., Rodrigues, M. d. S. T., and Torres, J. B. (2014). Proposta de mapeamento de processos de armazenagem em centro de distribuição de supermercados de fortaleza/ce utilizando bpmn. Disponível em: [link]. Acesso em: 11/06/2024.
Kantorski, G. Z., Martins, R. Z., Balejo, A., and Frick, M. (2023). Mineração de dados educacionais para predição da evasão em cursos de graduação presenciais no ensino superior. In Anais do XXXIV Simpósio Brasileiro de Informática na Educação, pages 1133–1142. SBC.
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 Anais do XXXII Simpósio Brasileiro de Informática na Educação, pages 168–178, Porto Alegre, RS, Brasil. SBC.
Saraiva, D. V., Pereira, S. S., Braga, R. B., and de Oliveira, C. T. (2021). Análise de agrupamentos para caracterização de indicadores de evasão. In Workshop sobre Educação em Computação (WEI), pages 238–247. SBC.
Souza, O., Morais, P., and Júnior, F. S. (2015). Um estudo sobre a evasão no curso de licenciatura em informática do ifrn–campus natal–zona norte. In Anais do XXIII Workshop sobre Educação em Computação, pages 216–225. SBC.
Unger, A. J., Junior, D. A., Lima, F. O., Geraldo, I. C., Venero, S. K., and Ambrosio, R. R. (2022). Análise da trajetória de aprendizagem do aluno no ensino a distância por meio da mineração de processos. In Anais do XXXIII Simpósio Brasileiro de Informática na Educação, pages 1163–1172. SBC.
Van der Aalst, W. (2016). Data Science in Action. Springer Berlin Heidelberg, Berlin, Heidelberg.
Viana, F., Santana, A., and Rabêlo, R. (2022). Avaliação de classificadores para predição de evasão no ensino superior utilizando janela semestral. In Anais do XXXIII Simpósio Brasileiro de Informática na Educação, pages 908–919, Porto Alegre, RS, Brasil. SBC.
Êrica Carmo, Gasparini, I., and Oliveira, E. (2022). Identificação de trajetórias de aprendizagem em um curso de graduação e sua relação com a evasão escolar. In Anais do XXXIII Simpósio Brasileiro de Informática na Educação, pages 323–333, Porto Alegre, RS, Brasil. SBC.
Colpo, M., Primo, T., and Aguiar, M. (2021). Predição da evasão estudantil: uma análise comparativa de diferentes representações de treino na aprendizagem de modelos genéricos. In Anais do XXXII Simpósio Brasileiro de Informática na Educação, pages 873–884, Porto Alegre, RS, Brasil. SBC.
de Freitas Filho, A. G. (2025). Análise da trajetória acadêmica estudantil utilizando mineração de processos com ênfase na evasão do curso de Ciência da Computação da UFC em Quixadá. Dissertação (mestrado em computação), Campus de Quixadá, Programa de Pós-Graduação em Computação, Universidade Federal do Ceará, Quixadá.
do Carmo, Ê. P., Gasparini, I., and de Oliveira, E. H. T. (2022). Identificação de trajetórias de aprendizagem em um curso de graduação e sua relação com a evasão escolar. In Anais do XXXIII Simpósio Brasileiro de Informática na Educação, pages 323–333. SBC.
dos Santos Oliveira, R. and de Medeiros, F. P. A. (2024). Modelo de predição de evasão escolar com base em dados de autoavaliação de cursos de graduação. Revista Brasileira de Informática na Educação, 32:1–21.
INEP, D. d. E. E. (2017). Metodologia de cálculo dos indicadores de fluxo da educação superior.
Jesus, P. A. S. d., Rodrigues, M. d. S. T., and Torres, J. B. (2014). Proposta de mapeamento de processos de armazenagem em centro de distribuição de supermercados de fortaleza/ce utilizando bpmn. Disponível em: [link]. Acesso em: 11/06/2024.
Kantorski, G. Z., Martins, R. Z., Balejo, A., and Frick, M. (2023). Mineração de dados educacionais para predição da evasão em cursos de graduação presenciais no ensino superior. In Anais do XXXIV Simpósio Brasileiro de Informática na Educação, pages 1133–1142. SBC.
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 Anais do XXXII Simpósio Brasileiro de Informática na Educação, pages 168–178, Porto Alegre, RS, Brasil. SBC.
Saraiva, D. V., Pereira, S. S., Braga, R. B., and de Oliveira, C. T. (2021). Análise de agrupamentos para caracterização de indicadores de evasão. In Workshop sobre Educação em Computação (WEI), pages 238–247. SBC.
Souza, O., Morais, P., and Júnior, F. S. (2015). Um estudo sobre a evasão no curso de licenciatura em informática do ifrn–campus natal–zona norte. In Anais do XXIII Workshop sobre Educação em Computação, pages 216–225. SBC.
Unger, A. J., Junior, D. A., Lima, F. O., Geraldo, I. C., Venero, S. K., and Ambrosio, R. R. (2022). Análise da trajetória de aprendizagem do aluno no ensino a distância por meio da mineração de processos. In Anais do XXXIII Simpósio Brasileiro de Informática na Educação, pages 1163–1172. SBC.
Van der Aalst, W. (2016). Data Science in Action. Springer Berlin Heidelberg, Berlin, Heidelberg.
Viana, F., Santana, A., and Rabêlo, R. (2022). Avaliação de classificadores para predição de evasão no ensino superior utilizando janela semestral. In Anais do XXXIII Simpósio Brasileiro de Informática na Educação, pages 908–919, Porto Alegre, RS, Brasil. SBC.
Êrica Carmo, Gasparini, I., and Oliveira, E. (2022). Identificação de trajetórias de aprendizagem em um curso de graduação e sua relação com a evasão escolar. In Anais do XXXIII Simpósio Brasileiro de Informática na Educação, pages 323–333, Porto Alegre, RS, Brasil. SBC.
Publicado
19/07/2026
Como Citar
CASTRO JUNIOR, Antonio Gildo de; GUERRA, Paulo T.; VASCONCELOS, Davi R..
Análise da trajetória acadêmica estudantil utilizando mineração de processos com ênfase na evasão do curso de Ciência da Computação da UFC em Quixadá. In: WORKSHOP SOBRE EDUCAÇÃO EM COMPUTAÇÃO (WEI), 34. , 2026, Gramado/RS.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2026
.
p. 26-35.
ISSN 2595-6175.
DOI: https://doi.org/10.5753/wei.2026.22260.
