Mineração de dados para identificação de alunos com alto risco de evasão: um estudo de caso (2016)
- Authors:
- USP affiliated authors: DIGIAMPIETRI, LUCIANO ANTONIO - EACH ; NAKANO, FÁBIO - EACH ; LAURETTO, MARCELO DE SOUZA - EACH
- Unidade: EACH
- DOI: 10.11606/issn.2525-376X.v1i1p17-23
- Subjects: EVASÃO ESCOLAR; ENSINO SUPERIOR; CURSO DE GRADUAÇÃO; MINERAÇÃO DE DADOS
- Language: Português
- Abstract: A evasão estudantil no ensino superior é uma questão crítica nas universidades brasileiras. Existem diversos fatores potenciais relacionados a esse fenômeno, sendo alguns deles mitigáveis pelas instituições por meio de aperfeiçoamentos nos cursos e políticas de apoio aos alunos. Neste trabalho, apresentamos uma metodologia baseada em mineração de dados para o acompanhamento e identificação precoce dos estudantes com grande potencial de desistência ou desligamento compulsório. Nossa abordagem utiliza exclusivamente o histórico de desempenho nas disciplinas do primeiro ano do curso, dispensando fontes externas de dados mais escassas ou de difícil obtenção. Tais instrumentos podem balizar a tomada de ações individuais direcionadas a alunos em risco, bem como o planejamento de ações futuras. Apresentamos um estudo de caso conduzido sobre o histórico escolar de alunos do Bacharelado em Sistemas de Informação da USP, com índices de acerto superiores a 90%
- Imprenta:
- Source:
- Título: Revista de Graduação USP
- ISSN: 2525-376x
- Volume/Número/Paginação/Ano: v. 1, n. 1, p. 17-23, jul. 2016
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
DIGIAMPIETRI, Luciano Antonio e NAKANO, Fabio e LAURETTO, Marcelo de Souza. Mineração de dados para identificação de alunos com alto risco de evasão: um estudo de caso. Revista de Graduação USP, v. 1, n. 1, p. 17-23, 2016Tradução . . Disponível em: https://doi.org/10.11606/issn.2525-376X.v1i1p17-23. Acesso em: 27 dez. 2025. -
APA
Digiampietri, L. A., Nakano, F., & Lauretto, M. de S. (2016). Mineração de dados para identificação de alunos com alto risco de evasão: um estudo de caso. Revista de Graduação USP, 1( 1), 17-23. doi:10.11606/issn.2525-376X.v1i1p17-23 -
NLM
Digiampietri LA, Nakano F, Lauretto M de S. Mineração de dados para identificação de alunos com alto risco de evasão: um estudo de caso [Internet]. Revista de Graduação USP. 2016 ; 1( 1): 17-23.[citado 2025 dez. 27 ] Available from: https://doi.org/10.11606/issn.2525-376X.v1i1p17-23 -
Vancouver
Digiampietri LA, Nakano F, Lauretto M de S. Mineração de dados para identificação de alunos com alto risco de evasão: um estudo de caso [Internet]. Revista de Graduação USP. 2016 ; 1( 1): 17-23.[citado 2025 dez. 27 ] Available from: https://doi.org/10.11606/issn.2525-376X.v1i1p17-23 - Mineração de dados educacionais para a revisão de pré-requisitos
- Estratégia de análise quantitativa para revisao de pré-requisitos em uma matriz curricular do curso de bacharelado em Sistemas de Informação
- Evasão de estudantes de enfermagem: desempenho acadêmico como fator preditor
- Evasão de estudantes de enfermagem: desempenho acadêmico como fator preditor
- Solver de alto desempenho para problemas na forma angular blocada aninhada
- Hierarchical forecasting with polynomial nets
- Intentional sampling by goal optimization with decoupling by stochastic perturbation
- Intentional sampling by goal optimization with decoupling by stochastic perturbation: why (not) to randomize?
- Um novo modelo para cálculo de probabilidade de paternidade: concepção e implementação
- Complementando o aprendizado em programação: experiências no curso de Sistemas de Informação da USP
Informações sobre o DOI: 10.11606/issn.2525-376X.v1i1p17-23 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
