Detecção precoce de evasão em cursos de graduação presencial em Computação: um estudo preliminar

  • Leandro Carvalho UFAM
  • Ana Santos UFAM
  • Fabíola Nakamura UFAM
  • Elaine Oliveira UFAM

Resumo


Esta pesquisa inicial teve o objetivo de identificar atributos de estudantes, detectáveis nas duas primeiras semanas do curso, que apresentam forte correlação com parâmetros levantados na literatura como associados a risco de evasão de curso. Trata-se de uma pesquisa exploratória, de abordagem quantitativa, caracterizada como pesquisa de avaliação, delimitada a três cursos de graduação presenciais, na área de Computação, com ingressantes no período 2012-2018, na Universidade Federal do Amazonas (UFAM). Observou-se que os seguintes atributos estão significativamente associados a um bom coeficiente de rendimento no primeiro período letivo: participação das atividades de acolhimento dos calouros, política afirmativa, modalidade de Ensino Médio, conhecimento prévio de linguagem de programação, e escolha do curso como primeira opção.

Referências

Azevedo, L. A., Santos, Y. S. (2015) Mineração de dados aplicada ao estudo da evasão e desempenho dos alunos do bacharelado em Ciência da Computação. Trabalho de Conclusão de Curso. Universidade de Brasília.

Dancey, C. P. e Reidy, J. (2017). Statistics without maths for psychology, 7th. Pearson Education.

Günther, H. (2003). Como elaborar um questionário. Série: Planejamento de pesquisa nas ciências sociais, (01).

Hoed, R. M. (2016). Análise da evasão em cursos superiores: o caso da evasão em cursos superiores da área de Computação. Dissertação de mestrado. Brasília, DF: Universidade de Brasília.

Manhães, L. M. B., Cruz, S. M. S., Costa, R. J. M., Zavaleta, J., e Zimbrão, G. (2011). 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) (Vol. 1, No. 1).

Matos, R. S., Souza, I. M., Silva, F. M., Beck, G. G. L. (2019). Gestão do Planejamento e Acompanhamento de Atividades Docentes de uma Universidade Federal. Revista GUAL. Florianópolis, v. 12, n. 1, pp.118-137.

Morães, M. J. F., & Pombeiro, O. J. (2016). Evasão nos cursos de graduação em Computação de Curitiba. Anais do EVINCI-UniBrasil, 1(4), 2088-2103.

Rigo, S. J., Cazella, S. C., & Cambruzzi, W. (2012). Minerando Dados Educacionais com foco na evasão escolar: oportunidades, desafios e necessidades. In Anais do Workshop de Desafios da Computação Aplicada à Educação (pp. 168-177).

Silva, F. L. (2001) Reflexões sobre o conceito e a função da universidade pública. Estudos Avançados, vol.15, n.42, pp.295-304.

Sutton, C. D. (2005) Classification and regression trees, bagging, and boosting. In Rao, C. R. (Org.). Handbook of Statistics , vol. 24. Amsterdã: Elsevier, p. 303-329.

Witten, I. H., Frank, E., Hall, M. A., Pal, C. J. (2011). Data Mining: Practical machine learning tools and techniques , 4th ed. Morgan Kaufmann.
Publicado
12/07/2019
Como Citar

Selecione um Formato
CARVALHO, Leandro; SANTOS, Ana; NAKAMURA, Fabíola; OLIVEIRA, Elaine. Detecção precoce de evasão em cursos de graduação presencial em Computação: um estudo preliminar. In: WORKSHOP SOBRE EDUCAÇÃO EM COMPUTAÇÃO (WEI), 27. , 2019, Belém. Anais do XXVII Workshop sobre Educação em Computação. Porto Alegre: Sociedade Brasileira de Computação, july 2019 . p. 233-243. ISSN 2595-6175. DOI: https://doi.org/10.5753/wei.2019.6632.