Predição de Risco de Evasão de Alunos Usando Métodos de Aprendizado de Máquina em Cursos Técnicos

Every year the number of vacancies in technical courses offered by public educational institutions increases. However, the number of student dropouts has alerted educators and researchers, not just for its social impact but also for economic losses. This work proposes the induction of decision tree based classification models to predict potential dropout students in technical courses. For this, we used only basic information about students and their attendances during the first week. Results show that classification models were able to identify 25% of potential student dropouts with 86% of precision. The models were considered promising to help educational managers to better control student dropout rates. Resumo. Anualmente presenciamos o aumento de vagas em cursos técnicos em instituições públicas. No entanto o número de evasões de alunos vem alertando educadores e pesquisadores, pois é responsável não apenas por perdas de ordem social mas também de ordem econômica. Neste trabalho é proposto a construção de modelos de classificação baseados em árvores de decisão para predição de potenciais alunos evasores em cursos de nível técnico. Para isso foram utilizadas informações básicas dos alunos e as suas frequências nos primeiros sete dias de aula. Os modelos construídos conseguiram recuperar 25% dos potências evasores com uma precisão de 86%. Os modelos foram considerados promissores para o gerenciamento de ações de permanência e êxito.