Um estudo comparativo de classificadores na previsão da evasão de alunos em EAD

The use of machine learning and data mining algorithms in educational contexts has evolved due to the large availability of data generated mainly in virtual learning environments. This study makes a comparative analysis of five classifiers in the task of predicting students with risk of dropping out in undergraduate courses by distance education. The results showed a small advantage for the use of Logistic Regression in the data analyzed, with success rates above 90% in the predictive model. Resumo. O uso de algoritmos de mineração de dados e de aprendizagem de máquina em contextos educacionais tem evoluído em razão da grande disponibilidade de dados geradas principalmente em ambientes virtuais de aprendizagem. Este estudo faz uma análise comparativa de cinco classificadores na tarefa de predição de alunos com risco de evasão em cursos de graduação por EAD. Os resultados apontaram uma pequena vantagem para o uso da Regressão Logística nos dados analisados, com taxas de sucesso acima de 90% no modelo preditivo.