Perfil de evasão no ensino superior brasileiro : uma abordagem de mineração de dados

Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2017.A evasão no ensino superior é um problema que atinge diversas instituições no mundo. No Brasil, não há divulgação regular de dados sobre o assunto. Neste trabalho foram aplicadas técnicas de mineração de dados para criar um perfil de estudantes que evadem do ensino superior brasileiro. Utilizando dados do Censo da Educação Superior (CES) e Exame Nacional do Ensino Médio (ENEM), foram criados modelos de cinco algoritmos de classificação para analisar a evasão de alunos ingressantes em três diferentes níveis de evasão. Os experimentos foram conduzidos nos dados de estudantes da UnB. Entre os algoritmos testados, o CART obteve um desempenho marginalmente superior, na métrica de sensibilidade. Ele obteve desempenho de cerca de 84% para evasão a nível de curso. Nos demais testes, não houve diferença estatisticamente significativa entre os algoritmos. As principais características identificadas nos alunos que possuem propensão a evadir são: ingressar no primeiro semestre, possuir vínculos com mais de uma IES, obter notas acima da média nos exames do ENEM e já ter concluído o ensino médio no momento que realiza as provas do ENEM. Também foi desenvolvido um pacote para o R em que é possível treinar novos classificadores de evasão, que podem ser utilizados para determinar, em qualquer IES ou grupo de IES, quais alunos possuem maior tendência de evadir.Student attrition and eventual dropout are problems that affect many universities around the world. In Brazil, there are no official statistics to monitor them. In this work, data mining techniques were used in order to unveil a profile of dropout students from the Brazilian higher education. The data from Brazil’s higher education census, CES, and its nation-wide high school exam, ENEM, were used to create multiple classification models, ranging from five different classification methods and three separate dropout definitions. The experiments were conducted on UnB’s students’ data. Among the classification methods, CART showed a subtle lead, performance wise. It obtained a sensibility score of around 84% when the dropout definition was focused on the student’s major. On the other two dropout definitions, there wasn’t a statistically significant difference between the tested methods. The main characteristics for the dropout students unveiled by the generated models were: to enter the university in the first semester, attend to more than one institution, obtain higher than average grades on the high school examinations and finally, having graduated from high school when taking the ENEM exam. Furthermore, a R package was developed in order to train new classifiers for dropout. It can be used to determine, in a given database, which students are more likely to dropout