¿Puede la inteligencia artificial apoyar acciones contra la deserción escolar universitaria?

Bitencourt, Wanderci Alves; Silva, Diego Mello; Xavier, Gláucia do Carmo

Acessibilidade / Reportar erro

Brasil

Ensaio: Avaliação e Políticas Públicas em Educação

Español English

Brasil

Español English

sumário « anterior atual seguinte »

Sumário

ARTIGO • Ensaio: aval. pol. públ. educ. 30 (116) • Jul-Sep 2022 • https://doi.org/10.1590/S0104-403620220003002854 copiar

¿Puede la inteligencia artificial apoyar acciones contra la deserción escolar universitaria?

Autoría SCIMAGO INSTITUTIONS RANKINGS

Resumen

La deserción escolar es una preocupación global por sus consecuencias negativas para la sociedad en su conjunto, y es necesario investigarla para comprenderla y actuar con anticipación, mitigando su riesgo de ocurrencia. Este trabajo propone el uso de técnicas de Minería de Datos Educativos con técnicas de Aprendizaje de Máquina para identificar las variables que son importantes para caracterizar el perfil del estudiante en riesgo de deserción. . Las técnicas de Support Vector Machine, Gradient Boosting Machine, Random Forest y Machine Committee se aplicaron a 1.429 registros de estudiantes de cursos de educación superior en uno de los campus de IFMG, entre 2013 y 2019. Los resultados obtenidos sugieren un desempeño superior del comité de máquinas, a través del cual se obtuvo la importancia de las variables sobre el fenómeno en estudio, lo que permitió trazar el perfil del alumno desertor, por período. Estos resultados permitieron proponer un proceso de detección y seguimiento de estos estudiantes.

Deserción; Aprendizaje de Máquina; Estudiantes Universitarios

N^o	Atributos	Descrição	Domínio
1	Curso	Nome do curso do estudante	• Administração • Ciência da Computação • Engenharia Elétrica • Gestão Financeira • Matemática
2	Idade	Idade no instante da matrícula, em anos completos	Variável discreta
3	Cotas	Caso o estudante ingresse por algum sistema de cotas	• Cotista (independente da modalidade) • Não cotista
4	Tipo de ingresso	Indica a forma de acesso	• Instrumento interno de seleção (vestibular, transferência ou obtenção de novo título) • Sistema de Seleção Unificada (SISU)
5	Sexo	Gênero do estudante	• Feminino • Masculino
6	Raça	Raça declarada pelo estudante	• Branca • Negra/Parda/Amarela/Outros
7	Trabalha	Indica se o estudante trabalha	• Sim • Não
8	Onde estudou	Natureza da escola onde cursou até o Ensino Médio	• Somente na rede pública • Total ou parcialmente na rede privada
9 e 10	Grau de instrução dos pais	Último grau de escolaridade obtido pelo pai e pela mãe	• Até o Ensino Fundamental (sem estudo, com Ensino Fundamental incompleto ou completo e Ensino Médio incompleto) • Ensino Médio (Ensino Médio completo ou Ensino Superior incompleto) • Ensino Superior completo (Ensino Superior completo, pós-graduação incompleta ou completa)
11	Tipo de residência	Natureza contratual do tipo de residência	• Própria • Outros
12	Área de procedência	Localidade da origem	• Urbana • Rural
13	Renda Familiar	Renda familiar, em salários mínimos	Variável contínua
14	Pessoas na família	Número de pessoas que integram o núcleo familiar	Variável discreta
15	Períodos cursados	Total de períodos cursados, sendo usados para derivar outros atributos	Variável Inteira Positiva Não Nula
16	PAC: Percentual de Aproveitamento de Créditos	Aproveitamento da carga horária, de acordo com PPC vigente no ato da matrícula (razão entre a carga horária acumulada cumprida com êxito e a acumulada prevista)	Variável contínua
17	CR: Coeficiente de Rendimento por Período	Coeficiente de rendimento a partir das disciplinas cursadas, com ou sem aprovação, no período. Média ponderada da nota pelo total de créditos	Variável contínua
18	DAP: Dependências Acumuladas	Número de Dependências Acumuladas até o período	Variável discreta
19	FRP: Frequência Relativa no Período	Taxa de frequência global para as disciplinas matriculadas no período	Variável contínua
20	NMP: Nota Média no Período	Média simples das notas obtidas para cada disciplina no período	Variável contínua
21	FLAG: Indicador de Evasão	Flag que indica o status do estudante no período. Usado para filtrar registros inválidos	• Evade-se • Permanece • Não Computado

Métrica	Cálculo	Interpretação
Acurácia (ACC)	$\frac{V P + V N}{V P + V N + F P + F N}$	Percentual de classificações corretas de evasão ou de permanência, em relação ao total de classificações.
Sensibilidade (SEN)	$\frac{V P}{V P + F N}$	Representa a capacidade do modelo em identificar corretamente os indivíduos que evadem.
Especificidade (SPE)	$\frac{V N}{F P + V N}$	Capacidade do modelo em identificar corretamente os indivíduos que permanecem no curso.
Precisão (PRE)	$\frac{V P}{V P + F P}$	Probabilidade de ocorrência de evasão quando o modelo sugere caso positivo.
Taxa de Falso Positivo (TFP)	1 – Especificidade	Proporção de falsos positivos dentre todos os exemplos cuja classe esperada é negativo.
Coeficiente Kappa	$\frac{A C C_{Classificador} - A C C_{Aleatória}}{1 - A C C_{Aleatória}}$	Compara a acurácia do classificador proposto com a acurácia de um classificador aleatório (baseline).

Matriz de Confusão	Ex-ante		Ex-post
	Matrícula		Período 1		Período 2		Período 3		Período 4		Período 5
	S	N	S	N	S	N	S	N	S	N	S	N
S	150	50	162	19	105	20	122	6	98	3	85	7
N	53	175	41	206	42	137	5	129	0	102	2	88

Medida	Ex-ante	Ex-post
Medida	Matrícula	Período 1	Período 2	Período 3	Período 4	Período 5
ACC (%)	75,93	85,98	79,61	95,80	98,52	95,05
SEN (%)	73,89	79,80	71,43	96,06	100,00	97,70
SPE (%)	77,78	91,56	87,26	95,56	97,14	92,63
PRE (%)	75,00	89,50	84,00	95,31	97,03	92,39
KAPPA (%)	51,71	71,74	58,97	91,60	97,04	90,11

Janela Temporal	Perfil com maior risco de evasão segundo informações ex-post
Período 1 (266 evadidos)	Em 80% dos casos, o CR é inferior a 20%, a nota média até 15 pontos, PAC 0, e com 5 a 6 dependências. Apenas 55% dos evadidos frequentaram até 75% da carga horária.
Período 2 (120 evadidos)	Em 80% dos casos, o CR é inferior a 30%, a nota média até 25 pontos, PAC máximo de 37% e 9 dependências. Aproximadamente 65% frequentaram até 75% da carga horária.
Período 3 (71 evadidos)	Em 80% dos casos, o CR é inferior a 18%, a nota média até 21 pontos, PAC de até 41% e 11 dependências. Aproximadamente 55% frequentaram até 75% da carga horária.
Período 4 (57 evadidos)	Em 80% dos casos, o CR é inferior a 28%, a nota média até 28 pontos, PAC até 45% e 15 dependências. Aproximadamente 67% frequentaram até 75% da carga horária.
Período 5 (32 evadidos)	Em 80% dos casos, o CR é inferior a 40%, a nota média até 21 pontos, PAC máximo de 55% e com 18 a 19 dependências. Aproximadamente 65% frequentaram até 75% da carga horária.

Fundação CESGRANRIO Revista Ensaio, Rua Santa Alexandrina 1011, Rio Comprido, 20261-903 , Rio de Janeiro - RJ - Brasil, Tel.: + 55 21 2103 9600 - Rio de Janeiro - RJ - Brazil
E-mail: ensaio@cesgranrio.org.br

Acompanhe os números deste periódico no seu leitor de RSS

[1] Informações sobre os autores

Wanderci Alves Bitencourt: Mestra em Administração pela Universidade Federal de Lavras. Professora do Instituto Federal de Minas Gerais. Contato: wanda.bitencourt@ifmg.edu.br

Diego Mello Silva: Mestre em Ciência da Computação pela Universidade Federal de Minas Gerais. Professor do Instituto Federal de Minas Gerais. Contato: diego.silva@ifmg.edu.br

Gláucia do Carmo Xavier: Doutora em Linguística e Língua Portuguesa pela Pontifícia Universidade Católica de Minas Gerais. Professora do Instituto Federal de Minas Gerais. Contato: glaucia.xavier@ifmg.edu.br