Impacto dos dados cadastrais, de presença e notas na predição de reprovação estudantil: um estudo de caso
DOI:
https://doi.org/10.22456/1679-1916.149317Palavras-chave:
Reprovação Estudantil, Aprendizado de Máquina, Análise PreditivaResumo
A retenção estudantil é uma preocupação no ambiente acadêmico, sendo a reprovação uma das principais causas de abandono escolar. Este estudo propõe um modelo preditivo baseado em aprendizado de máquina para antecipar o desempenho dos estudantes, demonstrando como a inclusão sucessiva de diferentes tipos de indicadores impacta a eficácia da predição. Utilizando dados do ambiente Moodle e do sistema acadêmico da Universidade, o modelo foi aplicado em uma disciplina introdutória de programação, analisando três conjuntos principais de indicadores: cadastrais, de presença e de notas. Os resultados demonstraram que a integração progressiva dos indicadores melhorou significativamente o desempenho do modelo. Inicialmente, utilizando apenas dados cadastrais, obteve-se uma acurácia de 84,3% na identificação de reprovações. A inclusão dos dados de presença elevou este índice para 90,7%, e a incorporação final dos dados de notas permitiu atingir uma sensibilidade de 96,4%.
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).
