Avaliação de algoritmos de aprendizado de máquina na previsão de evasão escolar: estudo de caso no IFPA campus Altamira

• Autores: Daniel Faraco Maciel Gomes Machado, Daniel de Oliveira Ferraz, Ailton Lopes de Sousa, Gilberto de Melo Júnior
• Localización: Cuadernos de Educación y Desarrollo, ISSN-e 1989-4155, Vol. 16, Nº. 10, 2024
• Idioma: portugués
• Enlaces
  • Texto completo
• Dialnet Métricas: 1 Cita
• Resumen

  • A evasão acadêmica é um problema grave que afeta o direito à educação, especialmente na região norte do Brasil. Este estudo tem como objetivo identificar o melhor algoritmo de aprendizado de máquina para prever a evasão de estudantes no Instituto Federal do Pará (IFPA) Campus Altamira, utilizando dados coletados entre os anos de 2018 e 2021. Após a etapa de preparação dos dados, que incluiu limpeza e transformação no formato adequado, foram testados cinco algoritmos de classificação no software WEKA. Os algoritmos escolhidos foram avaliados com base em quatro métricas principais: F1-score, acurácia, sensibilidade e especificidade. A partir das matrizes de confusão geradas em cada teste, essas métricas foram calculadas e comparadas. Entre os algoritmos testados, o J48 apresentou o melhor desempenho, com uma acurácia de 97,76% e um F1-score de 94,2%, destacando-se como o mais eficiente para a tarefa de previsão de evasão. Ao final, o estudo demonstrou que algoritmos de classificação são ferramentas eficazes para prever a evasão acadêmica, ajudando gestores a tomar decisões informadas para mitigar esse problema.