Análise da Evasão em Cursos de Computação e Tecnologia no Brasil com o Apoio de Modelos de Regressão e Explainable AI
DOI:
https://doi.org/10.22456/1679-1916.153555Palavras-chave:
Previsão de evasão, Cursos de Computação, Inteligência Artificial ExplicávelResumo
A evasão em cursos de computação e tecnologia representa um desafio significativo para as Instituições de Ensino Superior (IES) no Brasil. Considerando esse contexto, este trabalho teve como objetivo estimar a evasão e identificar as características mais influentes para esse abandono. Para as análises, utilizou-se a base de dados do Censo da Educação Superior em modelos de regressão avaliados quanto à sua capacidade preditiva. O modelo Random Forest apresentou o melhor desempenho e, a partir dele, aplicaram-se técnicas de explicabilidade com o objetivo de compreender a contribuição de cada variável da base nas previsões. Os resultados evidenciaram padrões distintos entre IES públicas e privadas, com destaque para fatores como faixa etária e ocupação de vagas remanescentes. Esses achados apontam para a importância de políticas institucionais direcionadas a públicos específicos, contribuindo para estratégias mais eficazes de permanência e conclusão dos cursos. Espera-se que as discussões apresentadas nesta pesquisa contribuam para o aprimoramento de políticas educacionais voltadas à redução da evasão nos cursos de computação e tecnologia no Brasil.
Downloads
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Os autores dos artigos publicados na RENOTE retém os direitos autorais de suas obras e autorizam o CINTED/UFRGS a publicá-las de acordo com os termos da licença Creative Commons Attribution-NonComercial 4.0 International Public License (CC BY-NC-SA 4.0). Dessa forma, fica permitido aos autores ou a terceiros a reprodução ou distribuição, em parte ou no todo, de material extraído dessas obras, de forma verbatim, adaptada ou remixada, bem como a criação ou produção a partir do conteúdo dessas obras, para fins não comerciais, desde que sejam atribuídos os devidos créditos às criações originais. Cópias das obras não devem ser utilizadas de nenhum modo que implique o endosso da UFRGS. Sendo assim, os autores que publicam nesta revista concordam com os seguintes termos:- Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
- Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
- Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).
