APLICAÇÃO DE TÉCNICAS DE APRENDIZADO DE MÁQUINA EM UM CONTEXTO ACADÊMICO COM FOCO NA IDENTIFICAÇÃO DOS ALUNOS EVADIDOS E NÃO EVADIDOS
Resumo
A evasão escolar é um dos principais problemas causadores de prejuízos às Instituições de Ensino Superior e a utilização de modelos de predição podem subsidiar decisões para minimização dos prejuízos. Nesse contexto, este trabalho avalia se é possível empregar algoritmos de aprendizado de máquina para gerar modelar o padrão de evasão, a partir de dados de registro acadêmico. Esta hipótese foi validada através de um estudo de caso, usando os dados acadêmicos da Universidade Estadual do Tocantins. Os resultados alcançados pelos experimentos indicaram que a metodologia adotada neste trabalho foi capaz de classificar com elevado grau de confiança os alunos em situação de evasão e de não evasão.
Referências
ADACHI, Ana Amélia Chaves Teixeira. Evasão de estudantes de cursos de graduação da USP – Ingressantes nos anos de 2002, 2003 e 2004. 2017. 294p. Tese. (Doutorado em Educação) – Faculdade de Educação, Universidade de São Paulo, São Paulo-SP, 2017.
BAGGI, Cristiane Aparecida Dos Santos e DOS SANTOS BAGGI; Cristiane Aparecida e LOPES, Doraci Alves. Evasão e avaliação institucional no ensino superior: uma discussão bibliográfica. Avaliação: Revista da Avaliação da Educação Superior (Campinas). [S.l: s.n.]. Disponível em: <http://dx.doi.org/10.1590/s1414-40772011000200007>. 2011.
BRASIL, Lei nº 9.394, de 20 de dezembro de 1996a. Estabelece as diretrizes e bases da educação nacional. Brasília, DF, dez 1996.
BRASIL. Ministério da Educação. Secretaria de Educação Superior (1996b). Comissão Especial de Estudos sobre a Evasão nas Universidades Públicas Brasileiras. Diplomação, retenção e evasão nos cursos de graduação em instituições de ensino superior públicas. Acesso em: 11/04/2020. Disponível em: http://www.andifes.org.br/wp-content/files_flutter/Diplomacao_Retencao_Evasao_Graduacao_em_IES_Publicas-1996.pdf.
BREIMAN.L. Random forests. Machine Learning, 45:5–32, 2001.
CARVALHO, Alessandro Pires (2017). Fatores institucionais associados à evasão na educação superior. 2017. 90 f. Dissertação. (Mestrado em Administração)-Programa de Pós-Graduação em Administração, Universidade Federal de Goiás, Goiânia.
COLPANI, Rogério. Mineração de Dados Educacionais: um estudo da evasão no ensino médio com base nos indicadores do Censo Escolar. Informática na educação: teoria & prática. [S.l: s.n.]. Disponível em: <http://dx.doi.org/10.22456/1982-1654.87880>. 2019.
CUNHA, E.R, MOROSINI, M.C.(2013). Evasão na Educação Superior: Uma temática em Discussão.Disponível em:https://paginas.uepa.br/seer/index.php/cocar/article/view/283. Acesso em: 14/10/2019.
FAYYAD, U. M., Piatetsky Shapiro, G., Smyth, P. & Uthurusamy, R. “Advances in Knowledge Discovery and Data Mining” 1996, AAAIPress, The Mit Press.
FAYYAD, U.; PIATETSKY-SHAPIRO, G.; SMYTH, P. (1996); From Data Mining to Knowledge Discovery in Databases. Disponível em: https://wvvw.aaai.org/ojs/index.php/aimagazine/article/view/1230. Acesso em: 28 de fev. 2020.
FILHO, Roberto Leal Lobo e. Silva e colab. A evasão no ensino superior brasileiro. Cadernos de Pesquisa. [S.l: s.n.]. Disponível em: <http://dx.doi.org/10.1590/s0100-15742007000300007>. 2007.
GAIOSO, N. P. L. O fenômeno da evasão escolar na educação superior no Brasil. 2005. 75 f. Dissertação (Mestrado em Educação) Programa de Pós-Graduação em Educação da Universidade Católica de Brasília, Brasília, DF, 2005.
GUIMARÃES, Orlineya Maciel; MARTINS, Eliana Canteiro Bolorino; LIMA, Maria Jose de Oliveira (2020). A Evasão no Ensino Superior: A Unesp Câmpus de Franca - Período DE 2013-2018. CAMINE: Caminhos da Educação = Camine: Ways of Education, Franca, v. 11, n. 2, p. 136-161, mar. 2020. ISSN 2175-4217. Disponível em: <https://periodicos.franca.unesp.br/index.php/caminhos/article/view/3013>. Acesso em: 15 abr.
GOMES, E. C.; SOARES, D. B.; DESIDÉRIO, S. N.; ROCHA, A. S. DA R. S. DA. (2019). Evasão No Curso de Licenciatura em Física da Universidade Federal do Tocantins: diagnóstico e primeiros resultados de um projeto de intervenção. Revista Observatório, v. 5, n. 5, p. 482-508, 1 ago.
INEP. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira (2019a). Censo da Educação Superior 2018. Divulgação dos Resultados. Brasilia- DF- 19 de Setembro de 2019.
INEP. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira (2019b). Sem desistências, número de graduados poderia dobrar no Brasil. http://inep.gov.br/artigo/-/asset_publisher/B4AQV9zFY7Bv/content/sem-desistencias-numero-de-graduados-poderia-dobrar-no-brasil/21206. Acesso em 08/10/2019.
KIRA, L. P. (1998) A evasão no ensino superior: o caso do curso de pedagogia da Universidade Estadual de Maringá (1992-1996). Dissertação (Mestrado em Educação), Universidade Metodista de Piracicaba, 106 p.
MARTÍNEZ-CAMBLOR, Pablo e PARDO-FERNÁNDEZ, Juan C. Parametric estimates for the receiver operating characteristic curve generalization for non-monotone relationships. Statistical methods in medical research, v. 28, n. 7, p. 2032–2048, Jul 2019.
MELO, Francisco. Area under the ROC Curve. Encyclopedia of Systems Biology. [S.l.]: Springer, New York, NY, 2013. p. 38–39. . Acesso em: 31 out 2019.
MONARD, Maria Carolina; BARANAUSKAS, José Augusto (2003). Conceitos sobre Aprendizado de Máquina. Disponível em: <http://dcm.ffclrp.usp.br/~augusto/publications/2003-sistemas-inteligentes-cap4.pdf>. Acesso em: 9 dez 2019.
MONTAÑO. RAZER. Aplicação de Técnicas de Aprendizado de Máquina na Mensuração Florestal. Disponível em: https://www.acervodigital.ufpr.br/bitstream/handle/1884/45346/R%20-%20T%20-%20RAZER%20ANTHOM%20NIZER%20ROJAS%20MONTANO.pdf?sequence=1&isAllowed=y. Acesso em: 16 de Mar. 2020.
RAMESH, V. e PARKAVI, P. e RAMAR, K. Predicting Student Performance: A Statistical and Data Mining Approach. International Journal of Computer Applications. [S.l: s.n.]. Disponível em: <http://dx.doi.org/10.5120/10489-5242>. 2013.
RASCHKA, Sebastian. Python Machine Learning. [S.l.]: Packt Publishing Ltd, 2015.
SCHAFFER. C. Selecting a classification method by cross-validation. Disponivel em: https://link.springer.com/content/pdf/10.1007/BF00993106.pdf. Acesso em: 17 de Mar. 2020.
SABBATINI, M. (2015). Concepções e estratégias da aprendizagem participativa na educação a distância (EAD): contribuição das práticas dialógicas e comunicacionais para a autonomia discente. Revista Observatório, v. 1, n. 3, p. 80-99, 26 dez.
SANTOS JUNIOR, J. DA S.; REAL, G. C. M (2019). Fator institucional para a evasão na educação superior. Revista Internacional de Educação Superior, v. 6, p. e020037, 27 dez.
SOUZA, Solange Lima de (2008). Evasão no Ensino Superior: Um estudo utilizando a mineração de dados como ferramenta de gestão do conhecimento em um banco de dados referente à graduação de Engenharia. Disponível em: http://livros01.livrosgratis.com.br/cp064905.pdf. Acesso: 11/04/2020.
SOUZA, Thays Santos (2017). Estudo sobre a evasão em cursos de graduação presenciais na Universidade Federal de Goiás – UFG. 2017. 214 f. Dissertação. (Mestrado Profissional em Gestão Organizacional)-Programa de Pós-Graduação em Gestão Organizacional, Universidade Federal de Goiás, Catalão.
UNITINS (2020). Universidade Estadual do Tocantins. Graduação. Disponível em: https://www.unitins.br/nportal/graduacao. Acesso em: 11/04/2020.
A submissão de originais para este periódico implica na transferência, pelos autores, dos direitos de publicação impressa e digital. Os direitos autorais para os artigos publicados são do autor, com direitos do periódico sobre a primeira publicação. Os autores somente poderão utilizar os mesmos resultados em outras publicações indicando claramente este periódico como o meio da publicação original. Em virtude de sermos um periódico de acesso aberto, permite-se o uso gratuito dos artigos em aplicações educacionais, científicas, não comerciais, desde que citada a fonte (por favor, veja a Licença Creative Commons no rodapé desta página).
