Análise preditiva em relação a evasão do curso de Ciência da Computação na Universidade de Brasília

Abstract

A evasão no ensino superior é um problema crítico no Brasil, particularmente nos cursos de Ciência da Computação, e esta alta taxa se torna mais preocupante devido a grande necessidade de profissionais qualificados nesta área. Este estudo utiliza dados dos alunos da Universidade de Brasília para aplicar técnicas de mineração de dados educacionais, afim de entender os principais indicadores de evasão. Foram utilizados modelos preditivos com as técnicas de Gradient Boosting Machine (GBM), Support Vector Machine (SVM) e Random Forest (RF). A partir da modelagem dos dados, foram identificados fatores acadêmicos determinantes na probabilidade de evasão dos alunos. Analisando os dados de ingressantes entre o primeiro semestre de 2013 e o primeiro semestre de 2020, foram obtidas acurácias satisfatórias, com valores maiores de 90%. Os principais indicadores de evasão identificados foram o Índice de Rendimento Acadêmico (IRA), a quantidade de vezes que cursou a disciplina introdutória de programação e a forma de ingresso na Universidade.