Evasão no bacharelado em Ciência da Computação da Universidade de Brasília : análise e mineração de dados

Monografia (graduação)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2014.Esse trabalho tem como objetivo analisar os fatores que levam à evasão dentro do Bacharelado em Ciência da Computação da Universidade de Brasília e identificar o perfil dos alunos do curso que estão em risco de evasão. Para isso, são utilizados dados pessoais e do histórico do aluno. A evasão é um problema de nível mundial nas universidades. A quantidade de alunos que ingressam em um curso ou instituição e saem sem se formar gera prejuízos em diversos âmbitos. No curso analisado, a taxa de evasão é de mais de 50%. Buscando determinar as causas do problema para reduzir esse valor, é feita uma análise estatística para identificar os principais fatores relacionados com o perfil de um aluno evadido para, então, aplicar técnicas de mineração de dados que permitem verificar quais os fatores que possuem maior impacto e qual o perfil dos alunos que estão cursando atualmente. Foram desenvolvidos diferentes classificadores visando encontrar o que possui melhor performance para os dados analisados. Os resultados mostram que o problema da evasão está se agravando no curso. _____________________________________________________________________________ ABSTRACTThis work aims to analyze the factors that lead to dropout rate in the Computer Science Bachelor degree from the University of Brasilia and identify the students’ profiles that are at risk of dropping. Personal and transcript data are used. Dropout rate is a global problem in universities. The number of students enrolled in a course or institution that leave without graduating generates losses in different areas. Over the Computer Science Bachelor degree, the dropout rate is higher than 50 %. Aiming to determine the causes of the problem to reduce this value, statistical analysis is performed to identify the main factors related to the profile of an dropout student to then apply data mining techniques to check what factors have the greatest impact and the profile of the students who are currently attending. Different classifiers were developed to meet the highest performing to the analyzed data. The results show that the dropout rate problem is getting worse in the course