MPC-SDP: um classificador genérico baseado em múltiplas perspectivas para a predição da evasão estudantil

• Ano de defesa: 2024
• Autor(a) principal: Colpo, Miriam Pizzatto
• Orientador(a): Primo, Tiago Thompsen
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Pelotas
• Programa de Pós-Graduação: Programa de Pós-Graduação em Computação
• País: Brasil
• Palavras-chave em Português: Evasão estudantil; Modelos de predição; Mineração de dados educacionais; Aprendizado de máquina; Student dropout; Prediction models; Educational Data Mining; Machine learning
• Área do conhecimento CNPq: CIENCIAS EXATAS E DA TERRA
• Link de acesso: http://guaiaca.ufpel.edu.br/xmlui/handle/prefix/14676

Considerando o grave problema da evasão estudantil, diversos estudos têm aplicado técnicas de mineração de dados aos grandes volumes de dados educacionais, a fim de desenvolver modelos que permitam a identificação de estudantes e/ou fatores de risco. Essas pesquisas costumam representar o comportamento dos estudantes a partir de dados relacionados aos seus aspectos acadêmico, social e/ou econômico. Também é comum o desenvolvimento de modelos especializados em cursos e/ou momentos de predição, embora seus resultados sejam menos abrangentes. Ademais, os estudos aplicam geralmente as técnicas de forma tradicional, sem adaptá-las às especificidades do domínio da evasão. Com o intuito de explorar essas lacunas, nesta Tese foi proposto o MPC-SDP, um modelo de ensemble destinado a prever a evasão de estudantes em diferentes cursos e estágios da trajetória acadêmica (predição genérica), mas guiado por perspectivas especializadas e importantes para o domínio da evasão estudantil. Mais especificamente, o MPC-SDP visa (i) dar maior atenção à variabilidade dos padrões de evasão ao longo da trajetória acadêmica dos estudantes, a partir da construção de um comitê de classificação formado por subclassificadores especializados por períodos/semestres letivos; e (ii) uma participação mais abrangente de diferentes aspectos de dados dos estudantes (acadêmico, contextual, econômico, interacional e social) na representação do comportamento de evasão, por meio de um processo de seleção de atributos orientado por aspectos. Considerando o contexto dos cursos de graduação presenciais do Instituto Federal Farroupilha como estudo de caso, ao ser avaliado e comparado a modelos de predição genérica construídos de forma tradicional, o MPC-SDP demonstrou melhorar a precisão da predição de estudantes evadidos nos semestres iniciais. Na prática, isso oportunizaria um melhor direcionamento de medidas preventivas nas etapas mais críticas do acompanhamento estudantil, já que os semestres iniciais concentram os maiores quantitativos de matrículas e evasões. Além disso, a seleção de atributos orientada por aspectos proporcionou um aumento na variabilidade dos aspectos representados entre os principais padrões dos subclassificadores do MPC-SDP, contribuindo para um entendimento mais amplo e multifacetado dos padrões de evasão.