Proposta de Ferramenta de Predição de Evasão Escolar com Base em Modelos de Machine Learning para o IFRN - Campus Natal Zona Norte
Concluído
A evasão escolar é um grave problema que atinge a educação brasileira e representa uma preocupação para o sistema educacional como um todo, pois resulta em desperdício social, acadêmico e econômico. Pesquisas apontam que em 2021, a taxa de evasão atingiu 36,6% quando consideradas as modalidades de ensino presencial e à distância, em instituições públicas e privadas. Entre as causas da evasão escolar estão problemas socioeconômicos, conflitos familiares, falta de apoio e estímulo dos pais ou responsáveis e dificuldades de aprendizagem. Técnicas de aprendizado de máquina e mineração de dados vêm se apresentando como uma importante ferramenta contribuindo tanto para o entendimento teórico, quanto apoiando a identificação desses perfis dos estudantes. Na literatura, é possível encontrar trabalhos que empregam aprendizado de máquina de forma a possibilitar identificar estudantes com potencial risco de evasão antes que ela se concretize. Nesse contexto, esse trabalho propõe o emprego de técnicas de aprendizado de máquina a fim de construir uma importante ferramenta para identificar estudantes com potencial risco de evasão a partir dos dados dos estudantes do ensino básico e superior do IFRN - Campus Natal Zona Norte obtidos por meio de solicitação oficial à Secretaria Acadêmica do campus. Dentre os diversos modelos de aprendizado de máquina, os algoritmos de árvore de decisão, regressão de vetor de suporte (SVM), regressão logística, árvore de decisão, k-vizinhos e Naive Bayes serão utilizados para investigar qual apresenta a melhor performance diante o problema. Após a validação dos modelos, será desenvolvida uma interface web para democratizar o uso dos modelos de predição pelos setores da instituição interessados, tais como ETEP, serviço social, direção acadêmica, bem como os próprios docentes.
Projeto importado do Suap em 24/03/2026 às 04:46 (há 2 dias, 3 horas)