Inteligência artificial aplicada ao reconhecimento de padrões da evasão de estudantes da área de ciências exatas em uma instituição de ensino superior

• Ano de defesa: 2019
• Autor(a) principal: Dall Agnol, Jonas Miguel
• Orientador(a): Corso, Leandro Luís
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Redes neurais (Computação); Inteligência artificial; Evasão universitária
• Palavras-chave em Inglês: Neural networks (Computer science); Artificial intelligence; University dropout
• Link de acesso: https://repositorio.ucs.br/11338/6749

Depois de um forte crescimento nas últimas duas décadas o mercado do ensino superior passa por um período de estagnação, sendo necessária, neste contexto, a retenção dos acadêmicos que já fazem parte de sua base de estudantes. Este trabalho contribui neste cenário por meio da identificação dos acadêmicos da Área de Ciências Exatas e Engenharias de uma Instituição de Ensino Superior da Serra Gaúcha que possuem maior propensão à evasão dos estudos, utilizando sua base de dados e a Inteligência Artificial, com o modelo Redes Neurais Artificiais (RNAs). Primeiramente foram mapeados aspectos financeiros, acadêmicos e sociais disponibilizados de 2006 a 2018, seguindo pela etapa de tratamento de dados, na qual apenas as interrupções causadas por troca de currículo foram descartadas. Os dados foram então processados em uma RNA de topologia perceptron, de tal maneira a obter acurácia de 93% na identificação do padrão de tendência à evasão dos estudos (conjunto de validação). Também foram realizados processamentos por tipo de graduação, que apresentam resultados igualmente satisfatórios em termos de reconhecimento de padrões. Soma-se a esta avaliação o comportamento adequado da curva ROC (Receiver Operating Characteristic) e os baixos índices de correlação entre fatores e matriz-alvo que comprovam, desta maneira, que a técnica RNAs de topologia backpropagation pode ser uma importante aliada nas tomadas de decisão de instituições no que tange a gestão da retenção discente.