Proposta e desenvolvimento de uma estratégia para predição da evasão de alunos em áreas de tecnologia.

Abstract

A evasão estudantil no ensino superior é um dos principais desafios enfrentados por instituições de ensino, especialmente em cursos da área de tecnologia. Este trabalho, de natureza aplicada e caráter metodológico, tem como objetivo propor, desenvolver e validar uma estratégia de predição da evasão de alunos nas áreas de tecnologia, utilizando registros acadêmicos e informações sociodemográficas reais de alunos do curso de Ciência da Computação da Universidade Federal de Ouro Preto (UFOP). Para isso, foi definida uma arquitetura metodológica composta pelas etapas de coleta, pré-processamento dos dados, treinamento e validação de três algoritmos de aprendizado supervisionado: Floresta Aleatória, K-Vizinhos Mais Próximos (KNN) e XGBoost. A eficácia de cada modelo foi comparada por meio das métricas de acurácia, precisão, revocação e F1-score, estabelecendo-se o algoritmo Floresta Aleatória como o mais eficaz para compor a estratégia final de predição. O diferencial do trabalho está na proposição de uma estratégia capaz de estimar, individualmente, a probabilidade de evasão de cada aluno, permitindo que gestores e professores intervenham preventivamente, de forma direcionada, na tentativa de reduzir os índices de evasão. Assim, este trabalho contribui com o meio acadêmico ao oferecer um modelo sólido, replicável e potencialmente aplicável não apenas ao curso de Ciência da Computação da UFOP, mas também a outros cursos da área de tecnologia e, futuramente, de diferentes áreas do conhecimento.