Utilize este link para identificar ou citar este item: https://bdm.unb.br/handle/10483/22931
Arquivos neste item:
Arquivo Descrição TamanhoFormato 
2019_ArthurBandeiraDeMagalhaesLelisFerreira_tcc.pdf3,24 MBAdobe PDFver/abrir
Título: Percepção sobre os fatores que levam à evasão do curso de Engenharia de Produção da Universidade de Brasília : um estudo por meio de árvores de decisão
Autor(es): Ferreira, Arthur Bandeira de Magalhães Lelis
Orientador(es): Mariano, Ari Melo
Assunto: Árvores de decisão
Universidade de Brasília (UnB)
Evasão universitária
Ensino superior - evasão
Saúde mental
Estudantes universitários - saúde
Data de apresentação: 9-Jul-2019
Data de publicação: 16-Jan-2020
Referência: FERREIRA, Arthur Bandeira de Magalhães Lelis. Percepção sobre os fatores que levam à evasão do curso de Engenharia de Produção da Universidade de Brasília: um estudo por meio de árvores de decisão. 2019. 95 f., il. Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Produção)—Universidade de Brasília, Brasília, 2019.
Resumo: A evasão de alunos do ensino superior é uma temática que vem sendo bem explorada, onde constatam-se elevados números de alunos que se evadem (COMISSÃO ESPECIAL DE ESTUDOS SOBRE EVASÃO, 1996; CPA, 2019). Apesar da vasta literatura, os problemas que surgem devido à evasão do aluno ainda não têm solução, uma vez que a evasão em si é uma problemática ainda não resolvida. Altas taxas de evasão criam problemas que vão do curto ao longo prazo no sistema educacional. Esta pesquisa tem como objetivo elaborar um modelo preditivo, através da metodologia de árvore de decisão classificatória, que explique o porquê dos alunos, do curso de Engenharia de Produção da Universidade de Brasília se evadem. De forma a alcançar esse objetivo, foi realizada uma pesquisa de campo exploratória, onde por meio de enquetes voltados aos alunos foram levantados dados possibilitando a elaboração de uma árvore de decisão classificatória com o algoritmo C4.5. A amostra da pesquisa foi de 100 respostas, onde obtiveram-se 91 respostas válidas, a partir do critério de exclusão, ter cursado Engenharia de Produção na Universidade de Brasília. Os resultados foram analisados com o apoio da ferramenta RapidMiner e apresentaram uma árvore de decisão com acurácia de 86.81% em suas predições, categorizando três grupos de estudantes. Um grupo cuja relação com os docentes é tida como importante, deve ter sua saúde mental monitorada, uma vez que essa se mostrou como o maior fator para evasão. O segundo grupo, de alunos tidos como outliers/desinteressados que permanecem no curso caso não incorram de enfermidade grave ou influências externas. O terceiro e último grupo de alunos tem perfil profissional, que tendem à evasão apenas se suas metas mudarem radicalmente ou se forem impedidos por fatores externos. Após os principais fatores que levam à evasão e os principais grupos de alunos serem apresentados, a instituição de ensino superior poderá realizar um tratamento mais especializado e dedicado para a retenção dos referidos alunos.
Abstract: University and colleges students’ evasion is a well know subject and as such, evasion rates are tracked (COMISSÃO ESPECIAL DE ESTUDOS SOBRE EVASÃO, 1996; CPA, 2019). Whereas it has been a discussion theme for a long time, the problems that arise due to evasion have not yet been handled, once evasion itself is still a problem. High evasion rates create short-term problems that add up creating long-term issues in the educational system. This research has as its main objective to formulate a mathematical model through classificatory decision trees that furthers understanding on the reasons student’s withdrawal from the course of Industrial Engineering from Universidade de Brasília. In order to achieve the stipulated goal, an exploratory field research was conducted, whereas the data gathering occurred through the survey applied to students. The sample consisted in 100 responses, which by the exclusion criteria, 91 answers were obtained. The exclusion criteria were enrollment in the Industrial Engineering course. With that sample, a classificatory decision tree was formulated with the C4.5 algorithm using the available tool RapidMinner. Hence the formulation of a decision tree with accuracy rates of 86.81%, according to the stipulated Confusion Matrix, three groups of students could be sorted out. The first group is prone bond with the professors and their mental health should be monitored, since they’re most likely to withdrawal due to mental health issues. The second group is composed by students considered to be outliers or uninterested or unaffected by external means, whose continuity on the institution is dictated by whether they are inflected by grave illnesses. The third and last group has a professional feature and tend to withdrawal only if their objectives and goals drastically change. After uncovering the main factors that lead students to withdrawal and their major groups, a dedicated and specialized care can be directed towards their retention by colleges and universities.
Informações adicionais: Trabalho de Conclusão de Curso (graduação)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia de Produção, 2019.
Aparece na Coleção:Engenharia de Produção



Este item está licenciado na Licença Creative Commons Creative Commons