Histórico da Página

Para identificar as características típicas de um estudante que cancela o curso e um estudante que chega ao final do curso, o mesmo é colocado no centro da análise. Desta forma, detalha-se o perfil destes dois tipos para que seja possível a criação dos modelos de classificação e, por consequência, a identificação de potenciais evasores.

Para a construção dos modelos de classificação, uma tabela (constantemente atualizada com base nos registros que atualizam continuamente os modelos de dados anteriormente descritos) é construída e denominada de base de treinamento. Esta tabela possui, em cada linha, todas as características correspondentes a um determinado aluno em um momento específico de sua vida acadêmica. Este momento específico pode ser entendido como um retrato da vida acadêmica do aluno durante a instituição até uma data específica.  

Para detalhar o significado da caracterização de um estudante em um determinado momento de sua vida acadêmica, pode-se exemplificar pelo seguinte caso:

Um estudante que iniciou seu curso em janeiro de 2012 e terminou o mesmo em dezembro de 2014, tem a vida acadêmica de três anos. Assim, seleciona-se aleatoriamente um dia neste período de três anos, por exemplo, o dia 01 de Junho de 2014. Este dia específico corresponde ao dia em que o "retrato" estudantil da vida acadêmica do estudante foi registrado. Desta forma, há um comportamento do aluno ao longo do seu período principal a partir de janeiro de 2012 até este dia específico (dia em análise). Esse comportamento é registrado através de atributos de preditores, variáveis calculadas através de modelos de dados e que descrevem as condições dos alunos em relação a todos os fatores que influenciam sua vida acadêmica (comportamental, financeira, acadêmica e geográfica).

Para a construção da base de treinamento, os "retratos" dos alunos que completaram o curso no dia correspondente ao dia de conclusão precisam ser registrados. Além disso, os "retratos" de estudantes que cancelaram o curso também precisam ser considerados na base de treinamento durante os 180 dias anteriores à evasão. Ou seja, para cada aluno que evadiu, há 180 linhas (registros) na base de treinamento onde cada linha corresponde às características da vida acadêmica do aluno até X dias antes da evasão, onde X varia de 0 (dia da evasão) e 180 (180 dias antes da evasão)

se obter a lista de prováveis evasores é necessário gerar um modelo preditivo. O modelo preditivo é gerado a partir da execução de algoritmos de inteligência artificial, que analisam o comportamento de alguns alunos no passado para se tentar prever o comportamento dos alunos ativos na instituição de ensino.

Abaixo podemos observar em maiores detalhes o processo completo:

Image Added

Geração da Base de treinamento e de Teste

Inicialmente é necessário definir o período de interesse que se deseja prever os prováveis evasores. Supondo que nosso período de interesse seja o 1º semestre de 2019 (figura 1):

• a base de treinamento será composta por informações das matrículas em períodos letivos de alunos que estavam cursando na instituição de 2000 a 2017.  

• a base de teste será composta por informações das matrículas em períodos letivos que foram finalizadas ou canceladas em 2018 .

Image Added

Figura 1

Posteriormente, as informações da base de treinamento serão utilizadas para treinar o algoritmo de inteligência artificial e gerar o modelo preditivo. Já a base de teste será utilizada para validar o modelo preditivo gerado.

Geração do Modelo de Classificação

Neste momento, é necessário identificar algumas informações da vida acadêmica dos estudantes até o período de interesse definido. Estas informações são utilizadas para se realizar uma análise prévia de alguns aspectos acadêmicos e financeiros e identificar os padrões de comportamento destes alunos (figura 2):

Image Added

Figura 2 - Atributos analisados na identificação dos padrões de comportamento dos alunos

Além disso, também é necessário verificar quais alunos da base de treinamento deixaram a Instituição de Ensino. Um estudante é considerado evasor quando seu último período letivo cursado não corresponde ao último período do seu curso. Considerando um curso de Direito com 10 períodos, por exemplo, um aluno que tem como último registro de matrícula o 9º período no 1º semestre de 2018 seria considerado como evasor neste período letivo.

Após esta análise, serão aplicadas técnicas de aprendizagem de máquina na base de treinamento, para que sejam gerados os seguintes modelos de classificação:

• Modelo de classificação quanto à evasão: atribui a um estudante uma probabilidade de evasão e determina se ele é um provável evasor;

• Modelo para o agrupamento dos estudantes: agrupa os estudantes com perfis semelhantes, considerando suas características acadêmicas e financeiras.

Validação do Modelo de Classificação

Nesta etapa, o modelo de classificação gerado será aplicado na base de teste. Desta forma é possível avaliar se o modelo possui uma precisão aceitável, pois os alunos da base de teste que abandonaram a instituição já são conhecidos.

Aplicação do Modelo de Classificação

Caso a precisão do modelo de classificação seja aceitável, ele será aplicado aos alunos matriculados no período de interesse.

Como resultado, serão gerados:

• a lista de prováveis evasores

• os grupos de perfis evasores.

Com estas informações os gestores da Instituição de Ensino poderão realizar ações para reter estes alunosA primeira etapa consiste na identificação dos estudantes que já evadiram de cursos da IES e a data de evasão dos mesmos.