Predição da Evasão de Estudantes Ingressantes no IFCE Campus Tianguá Utilizando Técnicas de Aprendizagem de Máquina Supervisionada

Authors:
Open Access
Publisher website
Google Scholar
Abstract
A evasão no ensino superior público brasileiro compromete a permanência acadêmica e a gestão institucional, gerando implicações sociais e econômicas. Esse contexto demanda estratégias multidisciplinares para promover a permanência dos discentes e otimizar a gestão acadêmica. Neste estudo, busca-se aplicar métodos de aprendizado de máquina na análise de dados educacionais para predizer os estudantes ingressantes do Instituto Federal do Ceará (IFCE), campus Tianguá, em potencial risco de evasão. Utiliza-se registros acadêmicos e sociodemográficos de estudantes, abrangendo o período de 2010.2 a 2025.2. Esses dados foram submetidos a processos de preparação e refinamento. Técnicas de classificação supervisionada foram testadas em diferentes configurações, considerando o desbalanceamento dos dados e ajustes de hiperparâmetros para aprimorar o desempenho dos algoritmos. Os resultados revelam a viabilidade de modelos preditivos em identificar padrões de evasão escolar, auxiliando na implementação de medidas preventivas, o que contribui para políticas mais eficazes de evasão no ambiente educacional.

This publication has 13 references indexed in Scilit: