Classificação de estudantes com potencial à evasão: aplicando mineração de dados no contexto de cursos técnicos subsequentes do IFPB

Janderson Ferreira Dutra

ORCID iD Instituto Federal de Educação, Ciência e Tecnologia da Paraíba (IFPB) Brasil

João Paulo Lopes de Souza

ORCID iD Instituto Federal de Educação, Ciência e Tecnologia da Paraíba (IFPB) Brasil

Damires Yluska de Souza Fernandes

Instituto Federal de Educação, Ciência e Tecnologia da Paraíba (IFPB) Brasil

Resumo

A Mineração de Dados Educacionais tem sido uma ferramenta muito utilizada para identificar a possibilidade de evasão de estudantes e suas possíveis causas, buscando auxiliar instituições de ensino no acompanhamento, gerenciamento e solução a esse desafio. Esse artigo apresenta uma abordagem que aplica mineração de dados educacionais para predizer estudantes de cursos subsequentes do IFPB com potencial de evasão. Para isso, foram coletados dados a partir do sistema acadêmico do IFPB, no contexto do Campus Cajazeiras. Os dados passaram por etapas de preparação, e um conjunto de dados específico foi gerado para o propósito da abordagem proposta. Com a assistência de um especialista de domínio, a abordagem provê a geração de modelos de aprendizado de máquina que classificam a possibilidade de evasão de estudantes, a partir de cinco métodos supervisionados. A avaliação dos métodos de classificação utilizados demonstra que todos os algoritmos apresentaram resultados próximos, a partir dos resultados das métricas obtidos. Adicionalmente, o trabalho mostra que a quantidade de períodos cursados é o fator principal para o estudante evadir. O estudo mostra também que a distância geométrica de onde o estudante reside até o campus em questão não é fator relevante para a evasão.

Palavras-chave


Mineração de dados educacionais; Potencial de evasão de estudantes; Aprendizado de máquina supervisionado


Texto completo:

Referências


BAKER, Ryan; ISOTANI, Seiji; CARVALHO, Adriana. Mineração de Dados Educacionais: Oportunidades para o Brasil. Revista Brasileira de Informática na Educação, [S.l.], v. 19, n. 02, p. 03, ago. 2011. ISSN 2317-6121. Disponível em: . Acesso em: 08 out. 2020. doi:http://dx.doi.org/10.5753/rbie.2011.19.02.03.

Barreto, Deivison & Matos, Mariane & da Hora, Henrique & Vasconcellos, Aline. (2019). EVASÃO NO ENSINO SUPERIOR: INVESTIGAÇÃO DAS CAUSAS VIA MINERAÇÃO DE DADOS. Educação Profissional e Tecnológica em Revista. 3. 3-21. 10.36524/profept.v3i2.432.

BÓBÓ, Míria et al. Identificação do Perfil Emocional do Aluno Através de Análise de Sentimento: Combatendo a Evasão Escolar. Brazilian Symposium on Computers in Education (Simpósio Brasileiro de Informática na Educação - SBIE), [S.l.], p. 1431, nov. 2019. ISSN 2316-6533. Disponível em: . Acesso em: 05 jan. 2021. doi:http://dx.doi.org/10.5753/cbie.sbie.2019.1431.

BRANCO, Uyguaciara Veloso Castelo. Ensino superior público e privado na Paraíba nos últimos 15 anos: reflexões sobre o acesso, a permanência e a conclusão. Avaliação (Campinas), Sorocaba , v. 25, n. 1, p. 52-72, Apr. 2020 . Available from . access on 02 Jan. 2021. Epub May 22, 2020. http://dx.doi.org/10.1590/s1414-40772020000100004.

BRASIL / MEC / SESU. Secretaria de Educação Superior / Ministério da Educação. Comissão Especial de Estudos sobre a Evasão nas Universidades Públicas Brasileiras. Brasília, 1996/1997 Disponível em:

http://www.dominiopublico.gov.br/download/texto/me001613.pdf Acesso em: 21 out. 2020.

CASTRO, Cristiano Leite de; BRAGA, Antônio Pádua. Aprendizado supervisionado com conjuntos de dados desbalanceados. Sba Controle & Automação, Campinas , v. 22, n. 5, p. 441-466, Oct. 2011 . Available from . Acesso em: 29 jan. 2021.

Cavalcanti, Lenin & Guerra, Lenin & Ferraz, Rita & Pereira, Jassio. (2019). Evasão na educação superior de um instituto federal do nordeste brasileiro. Revista Eletrônica de Educação. 13. 10.14244/198271992529.

CHAPMAN, P. CRISP-DM 1.0: Step-By-Step Data Mining Guide. [S.I.]: 2000. Disponível em: . Acesso em: 20 dez. 2020.

CORDEIRO, Renata Gomes; DE SÁ MUSSA, Munir; DA HORA, Henrique Rego Monteiro. Comportamento de estudantes evadidos de cursos técnicos: um estudo utilizando técnicas de mineração de dados. Revista Eletrônica Debates em Educação Científica e Tecnológica, v. 3, n. 1, p. 87-107, 2019.

COSTA, Evandro; BAKER, Ryan; AMORIM, Lucas; MAGALHÃES, Jonathas; MARINHO, Tarsis. (2012). Mineração de Dados Educacionais: Conceitos, Técnicas, Ferramentas e Aplicações. Disponível em: . Acesso em: 02 jan. 2021.

FREITAS, Charles Nicollas C.; GOUVEIA, Roberta MM; SOARES, Rodrigo GF. Métodos de Machine Learning Aplicados no Cenário da Educaçao a Distância Brasileira. 2020.

FRIEDMAN, J. H. Greedy function approximation: A gradient boosting machine. Annals of Statistics, v. 29, n. 5, p. 1189–1232, 2001.

Goldschmidt, R.; Passos, E. (2015). Data Mining. Elsevier Brasil. Grupo GEN, 2015. 9788595156395. Disponível em:

https://integrada.minhabiblioteca.com.br/#/books/9788595156395/. Acesso em: 24 dez. 2020

GOTTARDO, Ernani; KAESTNER, Celso Antônio Alves; NORONHA, Robinson Vida. Estimativa de Desempenho Acadêmico de Estudantes: Análise da Aplicação de Técnicas de Mineração de Dados em Cursos a Distância. Revista Brasileira de Informática na Educação, [S.l.], v. 22, n. 01, p. 45, abr. 2014. ISSN 2317-6121. Disponível em: . Acesso em: 05 jan. 2021. doi:http://dx.doi.org/10.5753/rbie.2014.22.01.45.

IBM SPSS Modeler CRISP-DM Guide. Disponível em: . Acesso em: 07 set. 2020.

IFPB. Regimento Geral do Instituto Federal de Educação, Ciência e Tecnologia da Paraíba. Resolução n° 144-CS, de 11 de agosto de 2017. Disponível em: . Acesso em: 08 set. 2020.

José Richard Machado, Crystiano & Lima, Bruno & Maciel, Alexandre & Rodrigues, Rodrigo. (2016). An investigation of students behavior in discussion forums using Educational Data Mining. 10.18293/SEKE2016-143. Disponível em: https://www.researchgate.net/publication/303652463_An_investigation_of_students_behavior_in_discussion_forums_using_Educational_Data_Mining. Acesso em: 09 out. 2020.

Matos, Pablo & Lombardi, Leonardo & Ciferri, Ricardo & Pardo, Thiago & Ciferri, Cristina & Vieira, Marina. (2009). Relatório Técnico “Métricas de Avaliação”. 10.13140/2.1.1408.5928.

PADILHA, T. P. P.; MEDEIROS, L. B. G. de. Mineração de dados para detectar evasão escolar utilizando algoritmos de classificação. CIET:EnPED, [S.l.], maio 2018. ISSN 2316-8722. Disponível em: . Acesso em 10 out. 2020.

PEREIRA, Michele Cezareti. Evasão escolar: causas e desafios. Revista Científica Multidisciplinar Núcleo do Conhecimento. Ano 04, Ed. 02, Vol. 01, pp. 36-51. Fevereiro de 2019. ISSN: 2448-0959.

PLATAFORMA NILO PEÇANHA. Guia de referência metodológica. Disponível em: . Acesso em: 09 out. 2020.

PORTAL DE DADOS ABERTOS. Instituto Federal da Paraíba - IFPB. Disponível em: . Acesso em: 11 out. 2020.

QUEIROGA, Emanuel Marques. Geração de modelos de predição para estudantes em risco de evasão em cursos técnicos a distância utilizando técnicas de mineração de dados. 2017. Dissertação de Mestrado. Universidade Federal de Pelotas.

RAMOS, Jorge Luis Cavalcanti; RODRIGUES, Rodrigo Lins; SILVA, João Carlos Sedraz; OLIVEIRA, Pamella Letícia Silva de. CRISP-EDM: uma proposta de adaptação do Modelo CRISP-DM para mineração de dados educacionais. In: SIMPÓSIO BRASILEIRO DE INFORMÁTICA NA EDUCAÇÃO, 31. , 2020, Online. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2020. p. 1092-1101. DOI: https://doi.org/10.5753/cbie.sbie.2020.1092.

Rigo, Sandro & Cazella, Silvio & Cambruzzi, Wagner Luiz. (2014). Minerando Dados Educacionais com foco na evasão escolar: oportunidades, desafios e necessidades. Revista Brasileira de Informática na Educação. 22. 10.5753/RBIE.2014.22.01.132.

ROMERO, C.; ROMERO, J.R.; VENTURA, S. A Survey on Pre-Processing Educational Data. 2014. DOI: 10.1007/978-3-319-02738-8_2. 2014. Disponível em: Acesso em: 14 set. 2020.

SANTOS, Fabrícia & BERCHT, Magda & WIVES, Leandro. (2015). Classificação de estudantes desanimados em um AVEA: uma proposta a partir da mineração de dados educacionais. 1052. 10.5753/cbie.sbie.2015.1052. Disponível em: . Acesso em: 08 set. 2020.

SILVA, Juana; DIAS, Paulo; SILVA, Maria Cristina da. Fatores de influência no processo de evasão escolar em três cursos técnicos do Instituto Federal de Educação, Ciência e Tecnologia de Brasília. Revista da UIIPS, v. 5, n. 3, p. 6-21, 2017.

SILVA, Leandro Augusto da; PERES, Sarajane Marques; BASCARIOLI, Clodis. Introdução à mineração de dados: com aplicação em R. Rio de Janeiro: Elsevier, 2016.


DOI: http://dx.doi.org/10.18265/1517-0306a2021id5488

O arquivo PDF selecionado deve ser carregado no navegador caso tenha instalado um plugin de leitura de arquivos PDF (por exemplo, uma versão atual do Adobe Acrobat Reader).

Como alternativa, pode-se baixar o arquivo PDF para o computador, de onde poderá abrí-lo com o leitor PDF de sua preferência. Para baixar o PDF, clique no link abaixo.

Caso deseje mais informações sobre como imprimir, salvar e trabalhar com PDFs, a Highwire Press oferece uma página de Perguntas Frequentes sobre PDFs bastante útil.

Visitas a este artigo: 503

Total de downloads do artigo: 266