DEE: Detector de Evasão Estudantil

Edição: XIV - 2021

ID: 1520

Participantes:

• [BOLSISTA] - Fernando Mello de Barros | fernandobarros.gr033@academico.ifsul.edu.br
• [ORIENTADOR] - Douglas Kellerman | douglaskellermann@ifsul.edu.br

Número de Registro: PE06200620/074

Campus: Gravataí

Nível: Ensino Médio

Área: Ciências Exatas e da Terra

Temática: Multidisciplinar

Resumo

A evasão estudantil é um problema importante e complexo do sistema educacional brasileiro. O projeto de pesquisa explorou informações disponíveis em sistemas de gestão escolar a respeito de estudantes do IFSul e aplicou técnicas de aprendizado de máquina com o objetivo de construir modelos de detecção de estudantes em risco de evasão estudantil em cursos técnicos e superiores presenciais do IFSul para municiar a gestão da instituição com informações que permitam-a atuar na permanência e êxito de estudantes de uma forma mais eficiente. A tese a ser comprovada pelo estudo é de se a distância do trajeto do aluno ao campus tem influência ou não em sua evasão, levando em conta também outros atributos como sexo, idade, curso, entre outros. A metodologia usada foi o aprendizado de máquina, machine learning, no qual foi utilizado a árvore de decisão lógica, e desenvolvido através dos dados dos alunos coletados pelo Q Acadêmico do câmpus IFsul Pelotas dos anos de 2012 até 2019. O aprendizado de máquina foi feito através do método de Cross Validation, onde o total de dados é separado em grupos e testados separadamente. Além disso, para o projeto foram escolhidos dois classificadores, o Random Forest Classifier e o Extra Trees Classifier, pois foram os que melhor adequaram-se ao trabalho. O resultado obtido, através de testes e gráficos, foi que a distância não era um fator determinante para a evasão do estudante, apesar de contribuir na hora de prever as chances do aluno evadir. Trabalhos futuros podem ser realizados buscando avaliar características socioeconômicas do estudante como fatores que podem levar a evasão.

Palavras-chave

evasão escolar;aprendizado de máquina;modelo preditivo

Banner

Clique aqui para abrir o banner.

Vídeo/Pitch

Caso o vídeo não abra, clique aqui.