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

Abstract

School dropout is the interruption of study at any level of education, occurring much at undergraduate level. However, it is difficult to obtain dropout data in undergraduate courses, as well its calculation method for causes analysis and identification. In this context, we can use data visualization for a better analysis and decision making on the dropout causes. The objective of this work is to analyze the undergraduate courses dropout through metrics, supported by data visualization. We conducted a case study in two semesters of an undergraduate course. The results indicated metrics and visualization techniques facilitate dropout analysis and the causes identification for decision making.

References

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.