Aplicação de Modelos de Aprendizado de Máquina na Predição da Desistência Acadêmica em Cursos de TI do IFPE
Resumo
A evasão acadêmica constitui um dos principais desafios enfrentados pelas instituições de ensino, especialmente nos cursos de Ciências Exatas, que apresentam altos índices de desistência. Este estudo, aplicado ao contexto do IFPE, propõe a utilização de técnicas de aprendizado de máquina para prever a evasão estudantil, com base em dados acadêmicos, demográficos e socioeconômicos de alunos entre os períodos de 2001.1 e 2025.1. Após o pré-processamento dos dados, que incluiu codificação de variáveis, tratamento de valores ausentes e balanceamento das classes com SMOTE, foram treinados três modelos supervisionados: Decision Tree, Extra Trees e Multilayer Perceptron (MLP). Os modelos foram ajustados via Grid Search e avaliados por métricas como acurácia, precisão, recall e F1-score. O MLP apresentou o melhor desempenho, destacando-se pela capacidade de identificar com maior precisão os alunos propensos à evasão. Os resultados demonstram o potencial da inteligência artificial como ferramenta de apoio à gestão educacional, favorecendo a adoção de medidas preventivas mais eficazes.
Os arquivos de licença a seguir estão associados a este item: