ESTIMATIVA DE EVASÃO ESTUDANTIL EM UM CURSO DE CIÊNCIA DA COMPUTAÇÃO

Resumo

Este trabalho apresenta a aplicação de técnicas estatísticas e de aprendizado de máquina para a estimativa do rendimento acadêmico e a previsão de evasão em um curso de Ciência da Computação. A regressão linear foi utilizada para modelar o aproveitamento futuro dos estudantes com base no desempenho prévio, sendo validada por meio do Teste t de Student, que demonstrou boa aderência entre os valores previstos e os valores reais. Já a regressão logística foi empregada para estimar a probabilidade de evasão discente, alcançando uma acurácia de 76%. A avaliação da regressão logística incluiu a análise da matriz de confusão, que revelou maior eficiência na identificação de estudantes não evadidos e apontou limitações no reconhecimento de casos de evasão, atribuídas ao desequilíbrio das classes no conjunto de dados. Os resultados destacam o potencial dessas abordagens para subsidiar decisões estratégicas, como intervenções direcionadas e políticas de retenção, contribuindo para a redução das taxas de evasão e a melhoria do desempenho acadêmico.

Palavras-chave: Rendimento Acadêmico. Flipped Classroom. Aprendizagem de Máquina.