Detecção de estudantes em risco de evasão escolar usando aprendizagem de máquina

• Ano de defesa: 2021
• Autor(a) principal: Lopes Filho, José Ahirton Batista
• Orientador(a): Silveira, Ismar Frango
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por; eng
• Instituição de defesa: Universidade Presbiteriana Mackenzie
• Palavras-chave em Português: aprendizagem de máquina; evasão escolar; ferramentas de suporte a decisão
• Link de acesso: https://dspace.mackenzie.br/handle/10899/29264

A evasão escolar é um problema em vários países do globo, tanto na educação privada quanto pública, e costuma ter um impacto negativo em todos os perfis envolvidos: sejam eles estudantes, instituições e o público em geral. Não obstante o deficit educacional do aluno que evade, há também a perda monetária para o sistema em questão, o estigma social e os sentimentos de não adequação que podem estar associados a evasão. Neste trabalho é apresentado um sistema desenvolvido para a detecção precoce de estudantes em risco de evasão (um EDS, do inglês, early detection system), se utilizando de dados administrativos de alunos dos ensinos fundamental (anos finais) e médio de escolas públicas estaduais. São demonstrados resultados se utilizando de Decision Jungle, Decision Forest, Regressão Logística e Bayes Point Machines a partir de dados 2018 advindos da Secretaria de Educação do Estado de São Paulo. O EDS construído é uma ferramenta de suporte a decisão a qual está integrada no dia a dia de profissionais da educação de todo o Estado atendendo a seus mais de 3,4 milhões de alunos matriculados.