Title: | Mineração de dados educacionais: uma análise sobre os preditores de evasão no ensino superior |
Author: | Silvestri, Felipe |
Abstract: |
A evasão no ensino superior é um desafio significativo para institui- ções de ensino, impactando tanto os estudantes quanto a sociedade. Este artigo investiga os principais preditores de evasão acadêmica por meio da aplicação de técnicas de Mineração de Dados Educacionais (MDE). A pesquisa utiliza um conjunto de dados provenientes de uma instituição de ensino superior, explo- rando características como desempenho acadêmico, perfil socioeconômico, en- gajamento estudantil, dados sobre a família, dentre outros. Foi utilizada como técnica de Mineração de Dados algoritmos de Aprendizagem de Máquina. Es- tes, além de possibilitarem a construção de um modelo eficaz para predição da evasão dos alunos, possibilitaram a identificação dos fatores mais relevantes para prever a evasão. Os resultados destacam que variáveis relacionadas ao rendimento acadêmico são os principais indicadores de risco. As conclusões oferecem insights que podem orientar estratégias institucionais para mitigar a evasão, promovendo a permanência e o sucesso acadêmico. Dropout rates in higher education pose a significant challenge for educational institutions, affecting both students and society at large. This arti- cle explores the key predictors of academic dropout through the application of Educational Data Mining (EDM) techniques. Utilizing a dataset from a higher education institution, the research examines various factors, including acade- mic performance, socioeconomic status, student engagement, and family back- ground. Machine Learning algorithms were used as part of the Data Mining techniques, allowing for the development of an effective model to predict stu- dent dropout rates while also identifying the most relevant contributing factors. The findings emphasize that variables related to academic performance serve as the primary risk indicators. The conclusions provide valuable insights that can inform institutional strategies aimed at reducing dropout rates and fostering student retention and academic success. |
URI: | https://dspace.ifrs.edu.br/xmlui/handle/123456789/1966 |
Date: | 2025 |
Files | Size | Format | View | Description |
---|---|---|---|---|
1234567891966.pdf | 545.2Kb |
View/ |
Texto completo |