ANÁLISE DA EVASÃO ESCOLAR NO CURSO SUPERIOR DE GESTÃO DA TECNOLOGIA DA INFORMAÇÃO DO INSTITUTO FEDERAL – CAMPUS FLORESTA
Resumo
As Instituições de Ensino Superior (IES) estão enfrentando desafios com a evasão escolar. O
desafio aumenta quando fatores externos influenciam o aluno a evadir. Fatores externos como:
renda familiar, distância da residência para a instituição, transporte público e conciliação do
trabalho com o curso. No Campus Floresta, há um elevado número de desistências nos cursos
superior. Este trabalho tem como objetivo coletar dados dos alunos e utilizá-lo para classificar os
alunos como um possível evasor ou não evasor dos cursos de Gestão da Tecnologia da
informação e Licenciatura em Química do Campus Floresta. Os dados foram coletados do
período de 2009.1 à 2018.2 a partir do Sistema de Apoio à Gestão Escolar (SAGE) dos cursos
superiores. O total de alunos coletados foram de 768 registros de ambos os cursos. Os dados
coletados passaram por um processo de refinamento e normalização. Posteriormente, os dados
foram aplicados aos algoritmos de classificação J48 e MLP através da ferramenta WEKA. Os
resultados das simulações revelam que é possível classificar uma evasão com uma precisão de
81,57% e 86,11% do algoritmo MLP e 83,82% e 90,44% do algoritmo J48 para os cursos de
Gestão da Tecnologia da informação e Licenciatura em Química. Este trabalho é apresentado
como uma alternativa para acompanhamento e como ferramenta para a tomada de decisão de
ações que diminuam os índices de evasão no campus.
desafio aumenta quando fatores externos influenciam o aluno a evadir. Fatores externos como:
renda familiar, distância da residência para a instituição, transporte público e conciliação do
trabalho com o curso. No Campus Floresta, há um elevado número de desistências nos cursos
superior. Este trabalho tem como objetivo coletar dados dos alunos e utilizá-lo para classificar os
alunos como um possível evasor ou não evasor dos cursos de Gestão da Tecnologia da
informação e Licenciatura em Química do Campus Floresta. Os dados foram coletados do
período de 2009.1 à 2018.2 a partir do Sistema de Apoio à Gestão Escolar (SAGE) dos cursos
superiores. O total de alunos coletados foram de 768 registros de ambos os cursos. Os dados
coletados passaram por um processo de refinamento e normalização. Posteriormente, os dados
foram aplicados aos algoritmos de classificação J48 e MLP através da ferramenta WEKA. Os
resultados das simulações revelam que é possível classificar uma evasão com uma precisão de
81,57% e 86,11% do algoritmo MLP e 83,82% e 90,44% do algoritmo J48 para os cursos de
Gestão da Tecnologia da informação e Licenciatura em Química. Este trabalho é apresentado
como uma alternativa para acompanhamento e como ferramenta para a tomada de decisão de
ações que diminuam os índices de evasão no campus.
Palavras-chave
Evasão escolar; Inteligência Computacional; Data mining
Texto completo:
PDFApontamentos
- Não há apontamentos.
Direitos autorais 2019 Émerson Menezes Nunes
Esta obra está licenciada sob uma licença Creative Commons Atribuição - Não comercial - Compartilhar igual 4.0 Internacional.