Uma Análise da Evasão em Cursos de Graduação Apoiado por Métricas e Visualização de Dados

• Emanuel Coutinho Universidade Federal do Ceará - UFC
• Jagni Bezerra Instituto Federal do Ceará - UFC
• Carla Ilane Moreira Bezerra Universidade Federal do Ceará - UFC
• Leonardo Oliveira Moreira Universidade Federal do Ceará - UFC

DOI: https://doi.org/10.5753/cbie.wie.2018.31

Resumo

Evasão escolar é a interrupção do estudo em qualquer nível de educação, ocorrendo muito a nível de cursos de graduação. No entanto, é difícil obter dados sobre a evasão no ensino superior, assim como seu cálculo para análise e identificação de suas causas. Neste contexto, pode-se utilizar visualização de dados para uma melhor análise e tomada de decisão sobre as causas da evasão. O objetivo deste trabalho é analisar a evasão em cursos de graduação por meio de métricas, apoiada por visualização de dados. Um estudo de caso foi realizado com dados de dois semestres de um curso de graduação. Os resultados indicaram que métricas e técnicas de visualização facilitam a análise da evasão e a identificação de suas causas para tomada de decisões.

Referências

Barbosa, A., Santos, E., Pordeus, J. P. (2017). A machine learning approach to identify and prioritize college students at risk of dropping out. In VI Congresso Brasileiro de Informática na Educação (CBIE 2017) Anais do XXVIII Simpósio Brasileiro de Informática na Educação (SBIE 2017), pág. 1497-1506. SBC.

Herman, I., Melancon, G., Marshall, M. S. (2000) "Graph visualization and navigation in information visualization: A survey", in IEEE Transactions on Visualization and Computer Graphics, vol. 6, no. 1, pp. 24-43, Jan-Mar 2000.

Manhães, L. M. B., Costa, R. J. M., Da Cruz, S. M. S., Zavaleta, J., Zimbrão, G. (2011) "Previsão de Estudantes com Risco de Evasão Utilizando Técnicas de Mineração de Dados", Anais do XXII SBIE – XVII WIE, pág. 150.

Martinho, V. R. D. C., Nunes, C., Minussi, C. R. (2013) An Intelligent System for Prediction of School Dropout Risk Group in Higher Education Classroom Based on Artificial Neural Networks, 2013 IEEE 25th International Conference on Tools with Artificial Intelligence, Herndon, VA, 2013, pp. 159-166.

MEC (1997) "Diplomação, retenção e evasão nos cursos de graduação em instituições de ensino superior públicas", Ministério da Educação, Comissão Especial de Estudos sobre a Evasão nas Universidades Públicas Brasileiras,ANDIFES/ABRUEM/SESu/MEC, Secretaria de Educação Superior, Brasília.

Queiroga, E. M., Cechinel, C., Araujo, R. M. (2015) "Um Estudo do Uso de Contagem de Interações Semanais para Predição Precoce de Evasão em Educação a Distância", CBIE-LACLO 2015, pág. 1074-1083.

Reino, L. R. A. C., Domínguez, A. H., Junior, O. G. F., Carvalho, V. D. H., Barros, P.A. M., Braga, M. M. (2015) "Análise das Causas da Evasão na Educação a Distância em uma Instituição Federal de Ensino Superior", SBIE 2015, pág. 91.

Rigo, S. R., Cambruzzi, W., Barbosa, J. L. V., Cazella, S. C. (2014) "Aplicações de Mineração de Dados Educacionais e Learning Analytics com foco na evasão escolar: oportunidades e desafios", REVISTA BRASILEIRA DE INFORMÁTICA NA EDUCAÇÃO, v. 22, n. 01 (2014), DOI: 10.5753/RBIE.2014.22.01.132

Silva, F. C., Fonseca, L. C. C., Silva, J. C., Silva, R. J. S. (2015) "Uma ferramenta para visualização das tendências de evasão geradas por mineração de dados a partir das interações em fóruns de discussão", LACLO 2015, pág. 237.