Detalhes bibliográficos
| Ano de defesa: |
2022 |
| Autor(a) principal: |
Azevedo, Láyla Advincula Candido de
 |
| Orientador(a): |
Lyra, Adria Ramos de
|
| Banca de defesa: |
Lyra, Adria Ramos de
,
Alvim, Leandro Guimaraes Marques
,
Moraes, Laura de Oliveira Fernandes
|
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Universidade Federal Rural do Rio de Janeiro
|
| Programa de Pós-Graduação: |
Programa de Pós-Graduação Interdisciplinar em Humanidades Digitais
|
| Departamento: |
Instituto Multidisciplinar de Nova Iguaçu
|
| País: |
Brasil
|
| Palavras-chave em Português: |
|
| Palavras-chave em Inglês: |
|
| Área do conhecimento CNPq: |
|
| Link de acesso: |
https://rima.ufrrj.br/jspui/handle/20.500.14407/14065
|
Resumo: |
A evasão escolar é um fenômeno complexo que afeta o desempenho socioeconômico de um país e durante muitas décadas tem sido objeto de estudo de pesquisadores de diversas áreas por todo o mundo. Tendo um caráter interdisciplinar observa-se que estudos sobre o fenômeno da evasão têm se valido de modelos analíticos quantitativos, recorrendo em especial, ao uso de metodologias de análise de dados. Sendo assim, essa dissertação, inserida no campo das Humanidades Digitais, tem por objetivo pesquisar abordagens de Data Analytics para o apoio às Políticas de Ensino Superior em cursos de graduação (bacharelados e licenciaturas) na modalidade de ensino presencial, voltadas, especificamente, para o controle e combate à evasão escolar. A pesquisa conduzida abordou duas frentes: (a) revisão sistemática da literatura – onde, como o próprio nome diz, de forma sistemática, utiliza-se critérios de busca para coletar, identificar e selecionar trabalhos científicos relevantes da literatura pertinentes ao tema; e (b) criação de uma metodologia baseada na Design Science Research para desenvolver a análise dos trabalhos da literatura. A metodologia proposta é composta por quatro componentes: Enquadramento, Teoria, Modelagem e Protocolo Experimental. O protocolo elaborado para orientar a Revisão Sistemática foi satisfatório retornando 42 artigos para análise. Na análise do Enquadramento, verificou-se que a tarefa de Data Analytics mais utilizada é a preditiva, e dentre estas observou-se uma predominância na utilização de técnicas individuais em detrimento dos métodos ensembles, sendo a Árvore de Decisão uma das mais utilizadas. Menos de 50% dos estudos definem o termo evasão e 70% deles tratam esse fenômeno como uma tarefa de classificação. Com relação à Teorização, as informações acadêmicas são as mais consideradas para construção dos modelos. Boa parte dos trabalhos parte da teoria de que o desempenho acadêmico é um preditor importante para a evasão. Quanto à Modelagem, avaliou-se que grande parte dos estudos utilizam apenas um conjunto de dados, cuja origem pode ser das informações do sistema acadêmico (fontes internas); pesquisas institucionais, que compõem bases de dados nacionais, regionais e acadêmicas ou de questionários utilizados pelos próprios pesquisadores para adquirir informações mais específicas (fontes externas). Além disso, utilizou-se uma combinação de informações (background demográfico, desempenho/informação escolar anterior e Informações/desempenho acadêmico) para a construção dos modelos. Na análise do Protocolo Experimental, observou-se que o método de ajuste de modelo mais utilizado foi a validação cruzada (cross-validation) e a métrica de interesse mais utilizada fora a Acurácia, presente em 26 estudos. Esses resultados e análises levaram a construção de um mapa mental, organizando as principais propostas da literatura. A metodologia proposta com base na DSR foi fundamental para a análise dos trabalhos, possibilitando a identificação das abordagens de Data Analytics presentes nos trabalhos investigados de forma ortogonal aos componentes, contribuindo para que futuras pesquisas se beneficiem desta metodologia, especialmente no que diz respeito à criação de artefatos computacionais. O estudo também evidenciou que é possível utilizar a abordagem de Data Analytics para lidar com a evasão de alunos, eventualmente contribuindo para mitigar os efeitos deste fenômeno no Ensino Superior. |
