Estratégias para detecção precoce de propensão à evasão

• Autores: Adelina Mezzari, Liane Margarida Rockenbach Tarouco, Barbara Gorziza Avila, Geraldo Ribas Machado, Rute Vera Maria Favero, Ana Marli Bulegon
• Localización: RIED: revista iberoamericana de educación a distancia, ISSN 1138-2783, Vol. 16, Nº 2, 2013, págs. 147-175
• Idioma: portugués
• Títulos paralelos:
  • Strategies for the early detection of evasion propensity
• Enlaces
  • Texto completo (pdf)
• Dialnet Métricas: 1 Cita
• Resumen
  • português

    A evasão é uma preocupação nos cursos tanto presenciais quanto de EAD e este trabalho apresenta os resultados de uma investigação sobre suas causas. Além da investigação a partir de referências de outros trabalhos sobre o mesmo tema, foi desenvolvido um estudo usando dados derivados das atividades em um curso a distância para formação de professores em serviço. Este estudo e a pesquisa realizada visaram diagnosticar as causas da evasão e buscar indicadores que possibilitem identificar precocemente situações que contribuam para a evasão. A análise dos registros das atividades no curso também avaliou as estratégias de comunicação mediada por computador buscando detectar indícios de risco de evasão, bem como identificar fatores relevantes que levam a evasão. Os dados permitiram elicitar indicadores de atividade dos alunos em cursos EAD os quais permitem identificar situações onde exista risco mais elevado de evasão.

  • English

    Evasion is a concern for both onsite and D-Ed. courses. This paper presents the results of research about its causes. In addition to investigating references from other works about the same theme, we also developed a study using data derived from distance course learning for in-service teachers. This study and the accompanying research aim to diagnose the causes of �evasion� and to obtain evidence that helps to prevent situations contributing to evasion. There is an analysis of the records of course activities and an evaluation of computerbased communication strategies, i.e. with the aim of detecting evasion risk levels, as well as identifying relevant factors that lead to evasion. These data help to elicit indicators of student activity in distance learning courses, which, in turn, facilitates the identification of situations where there is a higher risk of evasion.