Studies on dropout in different educational environments and their relationships with gender and diversity

Authors

DOI:

https://doi.org/10.5753/reic.2023.3424

Keywords:

Português

Abstract

The analysis of educational data is essential for understanding the academic context and supporting the creation of public policies. This work presents: (1) a systematic mapping on dropout prediction; (2) a questionnaire to identify possible reasons for dropout; (3) a proposal for an educational data visualization tool; (4) an analysis of female dropout rates in computer science courses in Santa Catarina; (5) an overview of diversity in computer science courses at public universities in Santa Catarina; (6) a collaborative tool for dropout prediction in disciplines. These studies are relevant in the field of computer science as they address academic issues and contribute to the development of prediction systems and policies to reduce dropout rates.

Downloads

Download data is not yet available.

References

Abbad, G., Carvalho, R. S., and Zerbini, T. (2005). Evasão em curso a distância via internet: explorando variáveis explicativas. Encontro da ANPAD, 29.

Borchardt, G., Santos, M., Frigo, L., and Gasparini, I. (2022). Ferramenta de visualização de dados do censo da educação superior do INEP. In Anais do X Workshop de Computação Aplicada em Governo Eletrônico, pages 227–234, Porto Alegre, RS, Brasil. SBC.

Botella, C., Rueda, S., López-Inesta, E., and Marzal, P. (2019). Gender diversity in stem disciplines: A multiple factor problem. Entropy, 21(1):30.

BRASIL (2011). Decreto nº 12.527, de 18 de novembro de 2011. Diário Oficial da União. https://www.planalto.gov.br/ccivil_03/_ato2011-2014/2011/lei/l12527.htm.

Brasil, N. U. (2023). Os objetivos de desenvolvimento sustentável no brasil. da Silva, P. M., Lima, M. N. C. A., Soares, W. L., Silva, I. R. R., de A. Fagundes, R. A., and de Souza, F. F. (2019). Ensemble regression models applied to dropout in higher education. In 2019 8th Brazilian Conference on Intelligent Systems (BRACIS), pages 120–125.

Davenport, T. H. and Patil, D. (2012). Data scientist. Harvard business review, 90(5):70–76.

Giannakos, M. N., Pappas, I. O., Jaccheri, L., and Sampson, D. G. (2016). Understanding student retention in computer science education: The role of environment, gains, barriers and usefulness. Education and Information Technologies, 22(5):2365–2382.

Macedo, D., Barcelos, R., Bernardini, F., and Viterbo, J. (2020). Uma ferramenta para recomendação de visualização de dados governamentais abertos. In Anais do VIII Workshop de Computação Aplicada em Governo Eletrônico, pages 96–107. SBC.

Maia, M. d. C. and Meirelles, F. d. S. (2005). Tecnologias de informação e comunicação e os índices de evasão nos cursos a distância. In Proceedings of 12th International Congress of Distance Education.

Marx, V. (2013). Data visualization: ambiguity as a fellow traveler. Nature methods, 10(7):613–615.

Montmarquette, C., Mahseredjian, S., and Houle, R. (2001). The determinants of university dropouts: a bivariate probability model with sample selection. Economics of education review, 20(5):475–484.

Mussliner, B. O., de Sousa, M., Mussliner, S., Meza, E. B. M., and Rodríguez, G. L. (2021). O problema da evasão universitária: um desafio à democratização do ensino superior público. Brazilian Journal of Development, 7(4):42738–42758.

Patitsas, E., Craig, M., and Easterbrook, S. (2014). A historical examination of the social factors affecting female participation in computing. In Proceedings of the 2014 conference on Innovation & technology in computer science education, pages 111–116.

Petersen, K., Vakkalanka, S., and Kuzniarz, L. (2015). Guidelines for conducting systematic mapping studies in software engineering: An update. Information and Software Technology, 64:1 – 18.

Santos, M. T. S., Van Vossen, L. P., Vasconcellos, D., Borchardt, G. T., Vaichulonis, G., Frigo, L. B., and Gasparini, I. (2022). Análise da evasão feminina nos cursos de ciência da computação das universidades públicas e presenciais de santa catarina. RENOTE, 20(1):233–242.

Santos, M. T. S., Van Vossen, L. P., Vasconcellos, D. M., Borchardt, G. T., Junior, R. V., da Silveira, E. C., da Silva, M. D., and Gasparini, I. (2023). Panorama da diversidade nos cursos presenciais de computação e tecnologias da informação e comunicação das universidades públicas de Santa Catarina. In Anais do III Simpósio Brasileiro de Educação em Computação, pages 69–78. SBC.

Staehr, L., Martin, M., and Byrne, G. (2001). An intervention programme for women in computing courses: Does it make a difference? In Computers and Networks in the Age of Globalization, pages 23–38. Springer US.

Stratton, L. S., O’Toole, D. M., and Wetzel, J. N. (2008). A multinomial logit model of college stopout and dropout behavior. Economics of education review, 27(3):319–331.

Van Vossen, L. P., Santos, M. T. S., Frigo, L. B., and Gasparini, I. (2023). Dropoutless: plataforma colaborativa de predição de evasão. In Anais do XVIII Simpósio Brasileiro de Sistemas Colaborativos, pages 193–201. SBC.

Published

2023-08-05

How to Cite

Martins Vasconcellos, D., Tomaselli Borchardt, G., Pisetta Van Vossen, L., Teresa Silva Santos, M., Carvalho da Silveira, E., Daniel Schmitt Bunn, C., & Gasparini, I. (2023). Studies on dropout in different educational environments and their relationships with gender and diversity. Eletronic Journal of Undergraduate Research on Computing, 21(2), 1–10. https://doi.org/10.5753/reic.2023.3424