Combinando Técnicas de Mineração de Dados para Melhorar a Detecção de Indicadores de Evasão Universitária

The student’ dropout is one of the major problems faced by public universities in Brazil since generates financial, social and academic loss. In this work, we present a methodology which combines different data mining techniques that aims: (1) creating predictive models to identify students who are at risk of dropout; and (2) establishing the relevance of the attributes related to the phenomenon and thus contribute to its prevention. We evaluate the methodology applying it in real information regarding students of the Federal University of São João Del Rei, performing both a global analysis of the data and a fragmented analysis for each Knowledge Area. The predictive models generated show alarming numbers for possible evasions in 2019, especially in Engineering; Agrarian Sciences; Exact and Earth Sciences; and Applied Social Sciences. Regarding the identified attributes, the academic indicators were the most relevant to understanding the student’s dropout, a factor that places the institutional manager as the main figure to combat this phenomenon. Resumo. A evasão estudantil é um dos maiores problemas enfrentados pelas universidades públicas brasileiras, pois gera perdas financeiras, sociais e acadêmicas. Neste trabalho apresentamos uma metodologia que combina diferentes técnicas de mineração de dados com o objetivo de: (1) criar modelos preditivos para identificar alunos que se encontram em risco de evasão; e (2) estabelecer a relevância dos atributos relacionados ao fenômeno e assim contribuir com a prevenção do mesmo. Avaliamos a metodologia com dados reais de discentes da Universidade Federal de São João del-Rei realizando uma análise global dos dados e uma análise fragmentada para cada Área de Conhecimento. Os modelos preditivos gerados apresentam números alarmantes quanto às possı́veis evasões em 2019, sobretudo nas Engenharias, Ciências Agrárias, Ciências Exatas e da Terra e Ciências Sociais Aplicadas. Com relação aos atributos identificados, os indicadores acadêmicos foram os mais relevantes para a compreensão do comportamento evasivo dos alunos, fator que coloca o gestor institucional como a figura principal para combater esse fenômeno.