USO DE TÉCNICAS DE CONJUNTOS NA IDENTIFICAÇÃO DE ALUNOS EM RISCO DE EVASÃO ACADÊMICA
Evasão estudantil. Aprendizado de máquina. Ensemble. Ensino superior.
A evasão estudantil no ensino superior é um problema persistente em todo o mundo, com
impactos significativos na trajetória acadêmica dos estudantes, na economia e nas políticas públicas de
educação. Diante disso, este projeto tem como objetivo aplicar técnicas de ensemble — como Bagging,
Boosting e Stacking — para prever o risco de evasão, utilizando dados coletados por meio de formulário
aplicado a egressos da UFERSA, tanto concluintes quanto evadidos. A pesquisa segue os princípios da
abordagem Design Science Research (DSR) e teve como etapa inicial a realização de uma Revisão
Sistemática de Literatura (RSL), que permitiu identificar lacunas e direcionar a proposta metodológica.
Serão implementados diferentes modelos preditivos utilizando algoritmos como Random Forest,
XGBoost, AdaBoost, SVM e Logistic Regression, combinados em estratégias de ensemble. Os modelos
serão avaliados com base em métricas como Accuracy, Precision, Recall, F1 Score e AUC, sendo os
resultados comparados aos modelos propostos por Nascimento (2022). Por fim, testes estatísticos,
serão aplicados para verificar a significância das diferenças entre os modelos analisados.