Proposta de simulador computacional com recursos da mineração de dados para predição de evasão discente em cursos de engenharia – EAD: um estudo de caso

Abstract

Esta pesquisa, desenvolvida em um programa que tem por área de concentração Educação e Novas Tecnologias, aborda o fenômeno da evasão na educação superior, especialmente na modalidade EAD, e tem por objetivo desenvolver um modelo computacional utilizando mineração de dados, para predizer os alunos em risco de evasão escolar dos Cursos de Engenharias e contribuir para o processo decisório das IES na mitigação deste fenômeno. Neste sentido, este estudo se justifica pela relevância do tema, o qual poderá propiciar benefícios tanto às instituições, que compreenderão por que seus alunos evadem, quanto aos próprios alunos, pois, em tempo hábil, a predição pode propiciar um alinhamento entre a IES e os alunos em busca de soluções para os problemas que levam à sua evasão. Metodologicamente, trata-se de uma pesquisa qualitativa, de natureza descritiva, exploratória e interpretativa, que fez uso de estudo bibliográfico e documental. Em um primeiro momento realizou-se um levantamento sobre o estado da arte da evasão escolar na educação superior no Brasil nos últimos dez anos e a aplicação da mineração de dados na área educacional. Na sequência, realizou-se estudos sobre os indicadores da evasão nos cursos de engenharia na modalidade à distância no Brasil. Por fim, desenvolveu-se um estudo de caso em cursos de engenharia de uma Instituição de Educação Superior com representação nacional. O produto obtido nos estudos foi o desenvolvimento de um simulador computacional preditivo de evasão discente, que permite as instituições de educação superior, de forma antecipada, no momento do ingresso do aluno na instituição, compreender o comportamento possível de sua evasão escolar e assim, definir suas estratégias de gestão. O simulador desenvolvido considerou a análise das taxas de evasão dos cursos de Engenharia Elétrica, Engenharia da Computação e Engenharia da Produção da Instituição de Educação Superior pesquisada, considerando nesta pesquisa o uso de oito variáveis que podem impactar nas taxas de evasão. O simulador obteve acurácia de 87,2%. O recurso utilizado no desenvolvimento do simulador preditivo de evasão discente foi o pacote de software do WEKA.

This research, developed in a program that has as concentration Area Education and New Technologies, addresses the phenomenon of dropout in higher education, especially in the EAD modality, and aims to develop a computational model using data mining, to predict students at risk of school dropout of engineering courses and contribute to the decision-making process of HEI in mitigating this phenomenon. In this sense, this study is justified by the relevance of the theme, which can provide benefits both to institutions, which will understand why their students evade, and the students themselves, because, in a timely manner, prediction can provide an alignment between the HEI and students in search of solutions to the problems that lead to their evasion. Methodologically, this is a qualitative research, descriptive, exploratory and interpretative in nature, which made use of bibliographic and documentary study. At first, a survey was conducted on the state of the art of school dropout in higher education in Brazil in the last ten years and the application of data mining in the educational area. Next, studies were carried out on the indicators of evasion in the engineering courses in the distance modality in Brazil. Finally, a case study was developed in engineering courses of a Higher Education Institution with national representation. The product obtained in the studies was the development of a computational simulator predictive of student dropout, which allows higher education institutions, in advance, at the time of the student's entry into the institution, to understand the possible behavior of their school dropout and thus to define their management strategies. The developed simulator considered the analysis of the evasion rates of electrical engineering, computer engineering and production engineering courses of the Higher Education Institution researched, considering in this research the use of eight variables that can impact the evasion rates. The feature used in the development of the student dropout predictive simulator was the WEKA software package.