Mineração de Dados Educacionais para a Predição de Evasão
DOI:
https://doi.org/10.13058/raep.2024.v25n1.2415Resumo
A evasão é um problema que assola instituições de ensino superior públicas e privadas em todo o mundo e estratégias para análise dos motivos para o fenômeno abundam em publicações científicas. Muitos trabalhos que objetivam encontrar as técnicas e práticas mais apropriadas e efetivas para a identificação dos indutores de desistência no aluno acabam por se alicerçar no uso de tecnologias para aprimorar a análise dos dados e atingir um maior volume de informação processada. O presente estudo visa identificar boas práticas para o uso de mineração de dados para informações de cunho educacional. Para tanto, investigou-se práticas já existentes na literatura para a estruturação de uma pesquisa com dados de uma universidade pública no interior do estado do Rio Grande do Sul. O estudo conta com testes práticos com os algoritmos Árvore de Decisão C4.5, Random Forest e Redes Neurais em diferentes conjuntos de dados. O trabalho demonstra que o algoritmo Random Forest conseguiu ter maior precisão na identificação dos alunos em risco de evasão. A partir desta experiência outras instituições poderão basear-se para a definição de suas melhores práticas.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Ao aceitar que seu manuscrito seja publicado no periódico Administração: Ensino e Pesquisa (RAEP), os autores declaram que o trabalho é de sua exclusiva autoria e assumem, portanto, total responsabilidade pelo seu conteúdo. Os autores concedem à RAEP uma licença de direitos não exclusivos para utilizar o trabalho das seguintes formas:
(1) vender e/ou distribuir o trabalho em cópias impressas ou em formato eletrônico;
(2) distribuir partes ou o trabalho como um todo com o objetivo de promover a revista por meio da internet e outras mídias digitais e impressas e;
(3) gravar e reproduzir o trabalho em qualquer formato, incluindo mídia digital.
Autores e leitores têm permissão para compartilhar o material, usá-lo em aulas, apresentações e também para outros fins, e criar novos conhecimentos a partir de qualquer publicação da RAEP, desde que seja atribuído o devido crédito ao trabalho original e os seus autores, por meio de citações, referências e outros meios.
O periódico adota medidas preventivas para identificar plágio por meio de software específico destinado para este fim.
A RAEP não cobra dos autores qualquer valor pela submissão ou publicação dos artigos aprovados.
Em consonância com as políticas da revista, a cada artigo publicado será atribuída uma licença Creative Commons CC-BY 4.0.
