Artigo

29 de novembro de 2024

Aplicação de um modelo de machine learning para prever a evasão escolar

DOI: 10.22167/2675-6528-20240030
E&S 2024, 5: e202400030

Tibério Morais Silva Júnior e José Erasmo Silva

Em um modelo ideal de formação acadêmica, todos os estudantes matriculados em instituições de ensino atingiriam o objetivo de finalizar o curso no prazo estabelecido. Contudo, na realidade, diversas intercorrências surgem no processo educacional, como o abandono e a desistência. Tais fenômenos são frequentemente categorizados por pesquisadores como evasão[1].

Apesar dessa associação, alguns estudiosos sobre o tema, como Tinto[2], afirmam que existe um desalinhamento sobre o que poderia realmente ser definido como evasão, sugerindo que: 1) não há consenso sobre a definição do termo evasão; 2) que essa definição pode, inclusive, ser alterada em função dos contextos individual, institucional ou estatal.

Conforme Silva et al.[1], a evasão escolar apresenta consequências negativas tanto para o estudante quanto para a instituição de ensino. Do ponto de vista do aluno, a evasão não apenas posterga sua formação, mas também resulta em perdas financeiras e de tempo, recursos que poderiam ser direcionados a outras atividades. Para a instituição, a evasão compromete sua eficiência, uma vez que a vaga e os recursos — tanto físicos quanto tecnológicos — previamente alocados para determinado número de alunos passam a ser subutilizados.

Glavam e Cruz[3] ressaltam que a evasão traz transtornos significativos aos educandos, às instituições de ensino e às empresas que buscam mão de obra especializada. Para as instituições educacionais, a evasão impacta diretamente a saúde financeira, pois, ao planejar um curso, os custos associados são projetados com base no número de matrículas.

A evasão resulta em uma diminuição da receita prevista, podendo culminar em déficits financeiros ao término do curso. No contexto empresarial, a evasão amplia a carência de profissionais qualificados, elevando custos e prazos de entrega de produtos. Além disso, a evasão compromete a qualidade de vida dos estudantes, refletindo em empregos precários e salários reduzidos, e reverbera nas famílias, que frequentemente contam com essa renda para fazer frente às suas despesas mensais.

A evasão em cursos de educação profissional é um tema que, apesar da relevância, apresenta uma notável escassez de trabalhos publicados. Essa modalidade de ensino, com suas características peculiares, frequentemente envolve alunos que, paralelamente, estão matriculados em outras instituições de ensino ou possuem compromissos laborais, limitando assim sua dedicação ao curso profissionalizante. Tais particularidades reforçam a importância deste trabalho e a escolha da instituição definida como objeto de estudo, uma entidade que é referência em formação de aprendizes e qualificação profissional. A instituição é privada, mas sem fins lucrativos, e foi fundada em 1947 na Bahia e, posteriormente, em Vitória da Conquista.

Para aprofundar o entendimento sobre as causas da evasão, muitos pesquisadores recorrem a técnicas avançadas de machine learning, que visam identificar as variáveis mais influentes no fenômeno da evasão, possibilitando, assim, a implantação de medidas de prevenção. Por exemplo, Primão[4] e Chung e Lee[5] investigaram, respectivamente, a evasão em diferentes contextos educacionais utilizando técnicas como Árvore de Decisão, Redes Neurais Artificiais e XGBoost. Silva et al.[1] por sua vez, focaram em cursos de graduação à distância no Brasil, empregando o modelo de Regressão Logística Binária.

Dessa forma, a combinação de uma análise aprofundada das características dos cursos profissionalizantes com técnicas avançadas de análise de dados pode oferecer informações importantes sobre a evasão e potenciais estratégias de mitigação.

Dado o contexto, o objetivo deste estudo é aplicar um modelo de machine learning, especificamente a Regressão Logística Binária, para prever a evasão escolar. Dessa forma será possível não só antecipar ações para minimizar a evasão, mas também analisar os fatores associados a ela nos cursos de educação profissional oferecidos pela instituição estudada, em Vitória da Conquista (BA). A amostra empregada neste estudo foi fornecida pela gerência de tecnologia da Informação da instituição. A base de dados fornecida está em formato .xlsx, contendo 2.599 observações e 21 variáveis. Os dados pessoais dos alunos, como CPF, nome, filiação, entre outros, foram omitidos. A base de dados é composta por informações coletadas durante o processo de matrícula nos cursos de educação profissional presenciais oferecidos pela entidade entre 2019 e 2023. As variáveis que compõe essa base de dados estão apresentadas na Tabela 1.

Tabela 1. Variáveis utilizadas no estudo

VariávelDescrição
DataNascimentoData de nascimento (data)
PossuiDeficiênciaIndicadora binária de deficiência (categórica)
NomeDeficiênciaNome da deficiência, se for o caso (categórica)
PosicaoNaFamiliaPosição na família (dependente ou não)
QuantidadeDePessoasNoGrupoFamiliarQuantidade de pessoas na família (numérica)
RendaFamiliarBrutaRenda bruta familiar (numérica)
RendaPerCapitaRenda per capita (numérica)
PossuiVinculoDeTrabalhoIndicadora binária de vínculo empregatício (categórica)
PorQueNaoTrabalhaMotivo de não trabalhar (8 categorias)
AtividadeEconomicaAtividade econômica na qual trabalha (46 categorias)
TipoDeVinculoTipo de vínculo (7 categorias)
TipoDeInstituicaoDeEnsinoFundamentalTipo pública ou privada (categórica)
TipoDeInstituicaoDeEnsinoMedioTipo pública ou privada (categórica)
MatriculadoNaEducacaoBasicaIndicadora binária de matrícula (categórica)
EgressoNoProgramaDeAprendizagemEgresso sim ou não (categórica)
EgressoNaEducaoBasicaEgresso sim ou não (categórica)
EstadoMatrículaVariável dependente (inicialmente 8 categorias)
CidadeCidade (34 categorias)
EscolaridadeEscolaridade (categórica)
NomeTurmaNome da turma / curso (categórica)
PeríodoDaTurmaEmMesesTempo em meses do curso (numérica)
Fonte: Dados originais da pesquisa.

Ao analisar inicialmente a variável “estado matrícula”, identifica-se a presença de oito categorias que descrevem a situação do aluno em relação ao curso. São elas: aprovado, desistente, em processo, evadido, matrícula cancelada, matriculado, reprovado e transferência interna de mesmo título. O status “aprovado” é atribuído ao aluno que frequentou o curso com um percentual de faltas menor ou igual a 25% do total de aulas e foi aprovado nas avaliações de habilidades e competências. “Desistente” e “matrícula cancelada” referem-se aos alunos que se matricularam, mas não compareceram a nenhuma aula. O termo “evadido” é utilizado quando o aluno se matricula, frequenta ao menos uma aula, mas não dá continuidade ao curso. “Reprovado” é o status para aqueles que não obtiveram aprovação nas avaliações ou tiveram um índice de faltas superior a 25% do total de aulas. Os status “matriculado” e “em processo” indicam que o aluno ainda possui matrícula ativa no curso ou já o concluiu, estando em fase de fechamento administrativo. Por fim, “transferência interna de mesmo título” é a categoria para alunos que solicitaram mudança para outra turma do mesmo curso.

Apesar da falta de um consenso na literatura sobre a definição exata do termo evasão, para este trabalho, seguindo orientações da gestão da instituição estudada, considerou-se evadido o aluno que registrou ao menos uma presença durante o curso e, por algum motivo, interrompeu sua frequência. Assim, qualquer aluno com o status “evadido” na variável “estado matrícula” é entendido como evadido. Para analisar a base de dados e estimar a probabilidade de evasão, utilizou-se o Modelo de Regressão Logística Binária, inserido no conjunto de modelos lineares generalizados em que a variável dependente é qualitativa binária, com no máximo duas categorias. Segundo Fávero e Belfiore[6], nesse modelo a variável dependente (evasão) segue uma distribuição de Bernoulli, cuja probabilidade de ocorrência de um evento é , e a probabilidade de ocorrência de um não evento é . Esse objetiva estimar a probabilidade de ocorrência de um evento definido por Y, que se mostra na forma qualitativa dicotômica, sendo que Y = 1 representa a ocorrência do evento, e Y = 0, a ocorrência do não evento. O vetor de varáveis explicativas desse modelo pode ser definido conforme a eq.(1):

em que Z é denominado logito, α é uma constante, βj (1, 2, …, k) são os parâmetros estimados da variável explicativa Xj (métricas ou variáveis dummy) e o subscrito i representa cada observação da base de dados. No mesmo contexto, o autor descreve que a probabilidade estimada de que um determinado evento ocorra pode ser definida pela eq.(2).

Ao analisar a variável dependente (dicotômica) em um modelo de regressão logística binária, torna-se evidente que a estimativa dos parâmetros da equação de probabilidade não pode ser realizada da mesma forma que nas técnicas convencionais de regressão linear, pois as últimas estimam seus parâmetros pelo método de Mínimos Quadrados Ordinários (MQO). A diferença surge porque, ao estudar a probabilidade de ocorrência de um evento com uma variável resposta qualitativa, o modelo não pode calcular a média ou a variância. Assim, não consegue minimizar a soma dos termos de erro sem uma ponderação arbitrária. Portanto, para estimar os parâmetros de uma equação de probabilidade no modelo de regressão logística, é utilizado o logaritmo da função de verossimilhança (log likelihood function). Para essa função, valores que se aproximam de zero indicam uma maior capacidade de acerto do modelo[6].

Por meio da Tabela 2 é possível observar que a categoria “aprovado” representou uma grande parcela do total de ocorrências.

Tabela 2. Frequência das categorias da variável Estado da Matrícula

Estado da MatrículaObservaçõesPercentual (%)
Aprovado145055,79
Matrícula cancelada1124,31
Reprovado2027,77
Em processo39715,28
Matriculado923,54
Desistente993,81
Evadido2158,27
Transferência interna mesmo título321,23
Total2599100 
Fonte: Resultados originais da pesquisa.

Se somados às outras categorias que representam a ocorrência do não evento (alunos que não evadiram) e comparados com o total de ocorrências do evento (evasão), é possível notar que esses dados se apresentam desbalanceados. Apesar de os dados desbalanceados não serem um problema para a regressão logística binária, é necessário levar isso em consideração na interpretação dos resultados.             Analisando o tipo de vínculo profissional, é possível perceber que a maioria dos alunos que preencheram a matrícula não informaram os dados referente a essa variável. Entre os que escolheram alguma categoria, destaca-se a informação “empregado com carteira assinada” (Tabela 3).

Tabela 3. Frequência das categorias da variável “tipo de vínculo”

Tipo de vínculoObservaçõesPercentual (%)
Autônomo1505,77
Empregado com carteira assinada79830,70
Empregado sem carteira assinada1204,62
Funcionário público321,23
Não informado140454,02
Outros933,58
Profissional liberal20,08
Total2599100
Fonte: Resultados originais da pesquisa.

Ao analisar o nível de escolaridade dos alunos, entende-se que muitos ainda não haviam concluído o ensino superior, tratando-se de uma amostra formada na maioria por estudantes que haviam concluído ou continuavam cursando o ensino médio (Tabela 4).

Tabela 4. Frequência das categorias da variável “escolaridade”

EscolaridadeObservaçõesPercentual (%)
Ensino fundamental completo923,54
Ensino fundamental cursando662,54
Ensino fundamental incompleto622,39
Ensino médio completo130250,10
Ensino médio cursando61723,74
Ensino médio incompleto1495,73
Graduação completo973,73
Graduação cursando642,46
Graduação incompleto271,04
Técnico de nível médio completo180,69
Técnico de nível médio cursando431,65
Técnico de nível médio incompleto60,23
Não preenchido562,15
Total2599100
Fonte: Resultados originais da pesquisa.

Os cursos de aprendizagem profissional, frequentemente referidos como Programa Jovem Aprendiz, predominam em termos de número de matrículas, destacando-se como os principais atrativos para os alunos (Tabela 5). Notavelmente, os cursos de Assistente Administrativo e Design de Sobrancelhas são exceções, sendo os únicos dessa categoria a apresentar um elevado número de matrículas.

Tabela 5. Frequência das categorias da variável NomeTurma

NomeTurma (curso)ObservaçõesPercentual (%)
Administração de pequenas empresas100,38
Administrador de banco de dados190,73
Alfaiataria feminina60,23
Aprendizagem profissional comercial em serviços Administrativos2268,70
Aprendizagem profissional comercial em serviços de supermercados632,42
Aprendizagem profissional de qualificação em serviços administrativos59522,89
Aprendizagem profissional de qualificação em serviços de supermercados2198,43
Assistente administrativo29111,20
Atualização em corte e escova110,42
Atualização profissional para camareira(o)10,04
Auxiliar de cozinha160,62
Bolos artísticos481,85
Cabeleireiro80,31
Coloração, descoloração, reflexos e mechas100,38
Condutor em turismo – cultura, ecoturismo e roteiros301,15
Confeiteiro110,42
Costureiro1104,23
Cozinheiro30,12
Cuidador de idoso612,35
Desenvolvimento de lideranças210,81
Design de sobrancelhas2469,47
Formação de preço de venda160,62
Gestão financeira para microempresa150,58
Manicure e pedicure1485,69
Maquiador140,54
Marketing digital471,81
Modelagem básica para vestuário20,08
Modelagem e confecção de roupas infantis60,23
Preparo de bolos tradicionais120,46
Salgadeiro823,16
Técnicas de arrumação de unidades habitacionais em datas comemorativas60,23
Técnicas de costura e acabamento190,73
Técnicas de depilação250,96
Técnico em computação gráfica180,69
Técnico em estética291,12
Técnico em eventos311,19
Técnico em logística311,19
Técnico em massoterapia230,88
Técnico em podologia160,62
Tendência em penteados120,46
Unhas de fibra220,85
Unhas de gel160,62
Unhas decoradas em 3D40,15
Total2599100
Fonte: Resultados originais da pesquisa.

Em uma análise mais detalhada das origens geográficas dos alunos matriculados nos cursos da instituição estudada, identificou-se a presença de estudantes provenientes de 34 cidades diferentes. A região Sudoeste da Bahia se destacou, especialmente a cidade de Vitória da Conquista que, sozinha, representava 1.417 dessas matrículas.

Tabela 6. Frequência das categorias da variável Cidade

CidadeObservaçõesPercentual (%)
Anagé50,19
Aracatu1084,1
Barra da Estiva140,54
Barra do Choça30,12
Belo Campo662,54
Brumado2389,16
Caatiba10,04
Candiba1837,04
Ceraima10,04
Cruz das Almas10,04
Érico Cardoso30,12
Florestal10,04
Gongogi240,92
Guanambi2108,08
Ibicoara10,04
Igaporã752,89
Iguá60,23
Ituaçu130,50
Jaicós20,08
Jequié1987,62
Macaúbas50,19
Matina20,08
Palmas de Monte Alto20,08
Paramirim10,04
Pilões30,12
Pindaí10,04
Planalto20,08
Pradoso Presidente Jânio Quadros70,27
Salvador30,12
Sebastião Laranjeiras10,04
Tanhaçu10,04
Taperoá10,04
Vitória da Conquista141754,52
Total2599100
Fonte: Resultados originais da pesquisa.

Para representar a ocorrência ou não do evento, foi criada a variável dependente dicotômica “evasão”, contendo o “Y” para representar a existência do evento e o “N” para o não evento (Tabela 7).

Tabela 7. Variável dependente “evasão ‘N’ (não) ou ‘Y’ (sim)”

NY
2384 (91,72%)215 (8,27%)
Fonte: Resultados originais da pesquisa.

Após a análise da base de dados, foi verificada a existência de 155 observações sem os dados completos para modelagem e, sendo assim, optou-se por excluí-los, restando 2.444. Além disso, destaca-se que todas as variáveis categóricas foram transformadas em dummy. Segundo Fávero e Belfiore[6], para evitar o erro de ponderação arbitrária com variáveis qualitativas em modelos de regressão logística binária, deve-se utilizar a técnica de variáveis dummy.

O modelo denominado “modelo_evasao” foi desenvolvido para representar a regressão logística implementada utilizando a função glm no RStudio – ambiente de desenvolvimento integrado gratuito para a linguagem de programação R. Nesse modelo, determinou-se “evasão” como a variável resposta, especificando-se também o parâmetro “family” como “binomial”. A Tabela 8 apresenta os resultados desse modelo, destacando os parâmetros estimados (“Estimate”) e a significância estatística das variáveis após o procedimento “stepwise”.

Tabela 8. Resultados do modelo GLM para previsão e análise dos fatores associados à evasão escolar

VariáveisEstimateStd. Errorz-valuePr(>|z|)Sig.
(Intercept)-3,08470,2814-10,961<0,00002***
atividadeeconomica_nao_informado-0,70090,2156-3,2510,001149**
atividadeeconomica_servicos_combinados_de_escrito1,29850,37213,4890,000484***
aprendizagem_profissional_de_qualificacao_em_servicos_administrativos1,61370,24566,575,02E-11***
aprendizagem_profissional_de_qualificacao_em_servicos_de_supermercados1,31050,32414,0445,26E-05***
assistente_administrativo1,28940,29984,3011,70E-05***
cuidador_de_idoso1,76120,44993,9159,05E-05***
Maquiador2,48630,68183,6460,000266***
tecnico_em_eventos2,52690,4755,321,04E-07***
tecnico_em_logistica2,55350,47455,3817,41E-08***
tecnico_em_massoterapia2,22750,58593,8020,000144***
Fonte: Resultados originais da pesquisa.
Nota: *** Significante ao nível de 0,001; ** significante ao nível de 0,01, * significante ao nível de 0,05

Após a modelagem estatística utilizando a regressão logística binária, observou-se que as variáveis “atividadeeconomica_nao_informado” e “atividadeeconomica_servicos_combinados_de_escrito” são estatisticamente significantes (Tabela 8). A variável “atividadeeconomica_nao_informado”, com coeficiente negativo, indica uma menor probabilidade de evasão comparada à categoria de referência “atividadeeconomica_atividade_medica_ambulatorial”. Em contraste, a variável “atividadeeconomica_servicos_combinados_de_escrito”, com coeficiente positivo, sugere uma maior probabilidade de evasão entre os alunos que exercem essa atividade econômica.

Além disso, as demais variáveis significantes estão relacionadas ao nome do curso. Por exemplo, a categoria “tecnico_em_logistica” apresenta uma probabilidade 2,5535 vezes maior de evasão comparada ao curso de “administração_de_pequenas_empresas”, que foi utilizado como referência. Isso indica que o tipo de curso escolhido pelo aluno pode ser um fator determinante na sua probabilidade de evadir.

Optou-se por excluir variáveis que não demonstraram significância estatística, seguindo o procedimento de “stepwise”. Essa decisão foi tomada para focar nas variáveis que realmente influenciam a previsão da evasão escolar, alinhando-se ao objetivo preditivo do estudo. No entanto, é relevante mencionar que a inclusão de variáveis não significantes, embora não preditivas, pode proporcionar uma visão mais abrangente das influências potenciais no fenômeno da evasão, dependendo do propósito da análise[6].

Após a análise dos coeficientes é importante analisar as métricas que validam o poder preditivo do modelo. Essa análise foi realizada por meio da curva receiver operating characteristic [ROC], pela curva de sensibilidade e pela curva de especificidade, além da matriz de classificação.

Ao calcular a sensibilidade e a especificidade, é essencial determinar o ponto de corte, ou cutoff, que será usado para classificar as observações com base no cálculo de suas probabilidades. Isso é particularmente relevante quando se introduz uma nova observação na amostra e se deseja prever a probabilidade de essa observação ser classificada como um evento ou não. A classificação ocorre ao comparar o valor estimado da probabilidade pi da nova observação com o valor do cutoff. Se pi for maior do que o cutoff, a observação será categorizada como evento; se pi for menor do que o cutoff, será categorizada como não evento. O cutoff permite avaliar a precisão do modelo com as observações da amostra, assegurando que essa precisão seja mantida ao prever a ocorrência de um evento em novas observações.

A partir da Figura 1 é possível analisar as curvas de sensibilidade e especificidade. Sua análise revela um ponto ótimo de cutoff aproximadamente igual a 0,12, o que representa um equilíbrio entre sensibilidade e especificidade. É notável que a curva de especificidade apresenta uma alta taxa de acertos para quase todos os valores de cutoff, enquanto a curva de sensibilidade exibe um comportamento oposto, com a taxa de acerto diminuindo significativamente para pontos de cutoff superiores a 0,15. Percebe-se ainda que o modelo está bem calibrado para prever o não evento (não evasão). No entanto, sua eficácia na previsão da evasão é menos consistente. Isso sugere que, para valores mais elevados de cutoff, o modelo tende a cometer mais erros ao prever a evasão. Esse comportamento pode impactar negativamente a eficiência geral do modelo. Assim, para aprimorar a capacidade do modelo em prever a evasão, pode ser benéfico considerar a inclusão de novas variáveis explicativas, bem como utilizar uma amostra maior.

Figura 1. Curva de Sensibilidade e Especificidade
Fonte: Resultados originais da pesquisa.

Para visualizar e obter um maior entendimento a respeito do comportamento preditivo desse modelo, foi gerada uma matriz de classificação para um cutoff igual a 0,10. Mais uma vez, percebe-se a capacidade preditiva desse modelo em relação à previsão do não evento, com 1.404 acertos e apenas 847 erros. No entanto, a matriz confirma a necessidade de ajuste desse modelo quando o objetivo principal de sua utilização for avaliar a ocorrência do evento, a evasão.

Tabela 9. Matriz de Confusão

 AlternativaVerdadeiroFalso 
Verdadeiro142847
Falso511.404
Fonte: Resultados originais da pesquisa.

A sensibilidfade, a especificidade e a acurácia (taxa de acertos global do modelo) podem ser obtidas a partir das informações da matriz de classificação, no RStudio (Tabela 10).

Tabela 10. Estatísticas Matriz de Confusão

  AcuráciaP-valor do teste de Mcnemar  Sensibilidade  Especificidade
0.6326 < 2 e – 160.735750.62372
Fonte: Resultados originais da pesquisa.

Por fim, a Figura 2 mostra a plotagem da curva ROC. Ela representa o valor da sensibilidade contra 1-especificidade para o modelo utilizado neste trabalho. Observando o valor da área abaixo da curva igual a 0,728, percebe-se que esse modelo se mostrou razoavelmente ao se considerar todos os cutoffs. Dessa forma, para um melhor desempenho desse modelo em relação à capacidade de prever a ocorrência do evento evasão, pode-se sugerir a inclusão de novas variáveis explicativas no modelo e a previsão da evasão utilizando um modelo multinível.

Figura 2. Curva de ROC
Fonte: Resultados originais da pesquisa.

Este estudo utilizou dados referentes às situações de matrícula dos alunos e suas respectivas características. Empregou-se um modelo de regressão logística binária para avaliar a significância estatística dessas variáveis e a capacidade preditiva do modelo. Observou-se que certas variáveis, tanto relacionadas ao tipo de atividade econômica exercida pelo aluno quanto ao curso em si, possuem uma correlação negativa ou positiva com a evasão. Isso sugere que políticas internas podem ser estrategicamente direcionadas a esses fatores específicos.

Para avaliar a capacidade preditiva do modelo, foram utilizadas métricas como sensibilidade, especificidade, curva de sensibilidade, curva de especificidade e curva ROC. Com um ajuste de cutoff em 0,10, o modelo alcançou acurácia de 0,6326, sensibilidade de 0,73575, especificidade de 0,62372 e área sob a curva ROC de 0,72. O modelo se mostrou eficaz na previsão de não eventos, mas menos preciso na previsão de evasão. Esse comportamento em partes se dá em função do desbalanceamento da base de dados. A diversidade de categorias na variável “EstadoMatrícula” e a ambiguidade de algumas delas trouxeram desafios na análise. Em um cenário com uma organização mais clara dessa variável, é possível que se obtenha um resultado estatístico mais robusto. Além disso, o número limitado de observações pode ter impactado negativamente a avaliação do modelo.

Os resultados apresentados indicam que as atividades econômicas e os tipos de curso são fatores críticos na determinação da evasão escolar. Esse conhecimento permite que os gestores da instituição investigada desenvolvam estratégias direcionadas, como oferecer suporte adicional aos alunos matriculados em cursos com maior risco de evasão, ou criar programas de orientação para estudantes cujas atividades econômicas indicam maior probabilidade de abandono.

Variáveis como data de nascimento, vínculo empregatício, escolaridade, renda familiar, entre outras, que não apresentaram significância estatística no modelo final, podem ser investigadas em estudos futuros utilizando uma amostra maior. Com um conjunto de dados mais robusto, é possível que a influência dessas variáveis na evasão escolar se torne mais evidente, proporcionando insights adicionais sobre os fatores que afetam a decisão dos alunos de continuar ou de abandonar seus cursos.

Este estudo demonstrou que a aplicação de um modelo de regressão logística binária pode não só prever a evasão escolar com razoável precisão, mas também identificar os principais fatores que contribuem para esse fenômeno nos cursos de educação profissional oferecidos pela instituição que foi alvo da pesquisa. Ao antecipar essas tendências, a instituição tem a oportunidade de implementar ações preventivas específicas, potencialmente reduzindo a taxa de evasão e melhorando os resultados educacionais.

Para pesquisas futuras, sugere-se realizar um estudo comparativo entre o modelo de regressão logística binária, o modelo logístico multinomial e o XGBoost, a fim de avaliar qual abordagem oferece melhor desempenho na previsão da evasão escolar.

Referências

[1]Silva, F.C.; Cabral, T.L.O.; Pacheco, A.S.V. 2020. Dropout or permanence? Predictive models for higher education management. Education Policy Analysis Archives 28(149). <https://doi.org/10.14507/epaa.28.5387>.

[2]Tinto, V. 1989. Definir la desercion: Una cuestion de perspectiva. Revista de la Educación Superior. Disponível em: <http://publicaciones.anuies.mx/pdfs/revista/Revista71_S1A3ES.pdf>. Acesso em: 06 jan. 2023.

[3]Glavam, R.B.; Cruz, H.A. 2013. Estudo da Evasão Escolar dos Cursos Profissionalizantes em uma Unidade do Serviço Nacional de Aprendizagem Industrial de Santa Catarina-SENAI. X Simpósio de Excelência em Gestão e Tecnologia. Disponível em:
<https://www.aedb.br/seget/arquivos/artigos13/31818288.pdf>. Acesso em: 06 jan. 2023.

[4]Primão, A.P. 2022. Uso de algoritmos de machine learning para prever a evasão escolar no ensino superior: um estudo no Instituto Federal de Santa Catarina. Dissertação (mestrado profissional) – Universidade Federal de Santa Catarina, Centro Sócio-Econômico, Programa de Pós-Graduação em Administração Universitária, Florianópolis. Disponível em:<https://repositorio.ufsc.br/handle/123456789/238320>. Acesso em: 06 jan. 2023.

[5]Chung, J.Y.; Lee, S. 2019. The Machine Learning-Based Dropout Early Warning System for Improving the Performance of Dropout Prediction. Appl. Sci 9(15) <https://doi.org/10.3390/app9153093>.

[6]Fávero, L.P.; Belfiore, P. 2022. Manual de análise de dados. LTC, Rio de Janeiro, RJ, Brasil.

Como citar

Silva Júnior T.M.; Silva J.E.; Aplicação de um modelo de machine learning para prever a evasão escolar. Revista E&S. 2024; 5: e20240030.

Sobre os autores

Tibério Morais Silva Júnior – Especialista em Data Science e Analytics. Rua Bruno Bacelar, 261, Alto Maron, CEP: 45005-306 – Vitória da Conquista/BA, Brasil

José Erasmo Silva – Professor Orientador MBA Data Science e Analytics – Universidade Federal da Bahia – Programa de Pós-graduação em Contabilidade – PPGCONT– Avenida Reitor Miguel Calmon, s/n Canela – CEP: 40231-300 – Salvador/BA, Brasil

Você também pode gostar

13 de novembro de 2026

Integração estratégica entre branding e mídia paga: uma análise da importância da brandformance no e-commerce

A complexidade da jornada do consumidor no marketing digital contemporâneo tem demandado estratégias integradas entre construção de marca e ações de performance. Este estudo analisou como a integração estratégica entre branding e mídia paga, denominada brandformance, se manifesta no e-commerce e sua importância para o desempenho das estratégias digitais. A pesquisa, de natureza aplicada, qualitativa e descritiva, empregou o método de benchmarking competitivo. Foram analisadas três empresas-exemplo (Alfa, Beta e Gama) atuantes no e-commerce, comparando seus níveis de integração entre branding e mídia paga. Os dados foram coletados de documentos, fontes secundárias, relatórios de mercado, materiais institucionais e evidências empíricas de plataformas digitais. Os resultados indicaram que empresas com maior alinhamento entre identidade de marca, comunicação e campanhas de performance demonstraram maior coerência na jornada do consumidor e melhores indicadores de eficiência. Em contrapartida, organizações focadas em conversão imediata apresentaram inconsistências comunicacionais, comprometendo a construção de valor a longo prazo. Concluiu-se que a integração entre branding e mídia paga é um fator estratégico para a competitividade no e-commerce, contribuindo para a construção de valor e a efetividade das estratégias digitais.

Palavras-chave: Benchmarking; Comunicação integrada; Estratégias de marketing; Jornada do consumidor; Performance digital.

13 de novembro de 2026

Machine learning na predição de desfechos cirúrgicos em epilepsia do lobo temporal farmacorresistente

A epilepsia do lobo temporal (ELT) farmacorresistente representa um desafio clínico complexo, com significativa parcela de pacientes reoperados apresentando recidiva de crises. O objetivo foi ampliar a análise de uma coorte retrospectiva de pacientes com ELT farmacorresistente submetidos à reoperação, utilizando técnicas de machine learning (ML) para identificar sinais analíticos que pudessem contribuir para a medicina de precisão em cirurgia de epilepsia. Realizou-se um estudo exploratório em uma coorte de 27 pacientes adultos reoperados entre 1994 e 2014 em um centro terciário. Aplicaram-se algoritmos de ML (regressão logística, Random Forest e XGBoost) com validação leave-one-out (LOOCV) a um dataset com 20 features clínicas, incluindo a postura distônica de membro superior. Para o desfecho primário de liberdade total de crises (Engel Ia) no último retorno, a regressão logística indicou sinal discriminativo moderado, com AUC-ROC de 0,655 e sensibilidade de 0,80. A análise interpretativa por SHAP values identificou o intervalo entre as cirurgias, a duração da epilepsia até a primeira intervenção e o uso de eletrocorticografia como variáveis de maior contribuição. Pacientes com postura distônica de membro superior apresentaram um padrão consistente de melhores desfechos cirúrgicos. O estudo demonstrou a viabilidade e o potencial informativo da abordagem exploratória por ML em coortes clínicas pequenas, com perspectiva de replicação em séries maiores e contribuição ao paradigma de medicina de precisão em cirurgia de epilepsia.

Palavras-chave: Cirurgia de epilepsia; Epilepsia do lobo temporal; Machine learning; Postura distônica; SHAP values.

13 de novembro de 2026

Análise de sentimento sobre o lançamento do Samsung Galaxy S25

Este estudo aplicou técnicas de Processamento de Linguagem Natural para analisar o sentimento de consumidores brasileiros em relação ao lançamento do Samsung Galaxy S25. O objetivo foi analisar o sentimento dos consumidores, a partir de 1.320 comentários em língua portuguesa coletados na plataforma Reddit, no período de janeiro de 2024 a dezembro de 2025. Utilizou-se o modelo BERTimbau, pré-treinado para a língua portuguesa, ajustado por meio de “fine-tuning” para classificação ternária de sentimento (positivo, negativo e neutro), alcançando acurácia de 78,26% e F1 Macro de 78,21%. A análise temporal, estruturada em três fases (rumores e especulações, lançamento e pós-lançamento), revelou que o sentimento negativo predominou na fase de rumores (42,7%), recuou durante o lançamento (25,9%) e estabilizou-se no pós-lançamento (35,7%). A inteligência artificial embarcada (Galaxy AI) foi o tema mais discutido (588 menções) e predominantemente negativo (46,9%). A bateria configurou-se como o atributo com maior insatisfação (55,9% negativo), sendo o único cuja percepção deteriorou após o uso real. A câmera destacou-se como o atributo com melhor avaliação relativa. Os resultados indicaram que a inovação incremental encontra limites na capacidade de gerar valor percebido suficiente para sustentar o posicionamento premium do produto no mercado brasileiro.

Palavras-chave: Análise de sentimento; BERTimbau; Processamento de linguagem natural; Reddit; Smartphones.

13 de novembro de 2026

Volatilidade cambial e estabilização de margens no setor de combustíveis brasileiro

A volatilidade cambial representou um dos principais fatores de risco para empresas em setores dependentes de insumos dolarizados, notadamente no mercado de combustíveis brasileiro, onde a formação de preços esteve fortemente ligada a variáveis internacionais. Com esse cenário, o estudo analisou o impacto da taxa de câmbio nos preços da gasolina entre 2015 e 2025 e avaliou a eficácia de estratégias de hedge cambial na redução da variabilidade das margens operacionais. Para isso, adotou-se uma abordagem quantitativa, descritiva e documental, utilizando dados secundários do Banco Central do Brasil (BCB), da Agência Nacional do Petróleo, Gás Natural e Biocombustíveis (ANP) e do Instituto Brasileiro de Geografia e Estatística (IBGE). A metodologia incluiu a decomposição do preço da gasolina em componente cambial e residual, seguida pela simulação de margens operacionais em cenários com e sem proteção cambial. Os resultados revelaram que a depreciação do real comprimiu as margens no cenário sem hedge, enquanto a proteção cambial diminuiu a volatilidade dos resultados, especialmente em períodos de instabilidade, embora gerasse perdas relativas em momentos de apreciação cambial. Concluiu-se que a gestão do risco cambial contribuiu para maior previsibilidade operacional, mesmo com os trade-offs inerentes à limitação de ganhos potenciais.

Palavras-chave: Combustíveis; Hedge cambial; Margem operacional; Taxa de câmbio; Volatilidade cambial.

13 de novembro de 2026

Desenho Universal para a Aprendizagem: um guia prático para professores

O presente estudo teve como objetivo elaborar um guia de estratégias práticas, fundamentado nos princípios do Desenho Universal para a Aprendizagem (DUA), visando promover práticas pedagógicas inclusivas e acessíveis em sala de aula. A pesquisa caracterizou-se como aplicada, com abordagem qualitativa, e foi desenvolvida por meio de análise teórica e interpretativa de produções acadêmicas sobre DUA, neurociência da aprendizagem e educação inclusiva. O produto educacional foi estruturado com base nos três princípios do DUA – múltiplos meios de engajamento, representação, e ação e expressão – para organizar estratégias pedagógicas que reduzem barreiras e valorizam a diversidade dos estudantes. Os resultados indicaram que a implementação de práticas baseadas no DUA pode contribuir para o desenvolvimento de ambientes educacionais mais equitativos, favorecendo o engajamento, a compreensão e a expressão do conhecimento, especialmente para alunos com necessidades educacionais especiais. A articulação com a neurociência reforçou a importância de considerar a variabilidade cognitiva no ensino-aprendizagem. Concluiu-se que o guia proposto representa uma ferramenta relevante para apoiar a prática docente e assegurar o acesso a uma educação equitativa.

Palavras-chave: Ação e expressão; Engajamento; Inclusão escolar; Neurociência; Representação.

13 de novembro de 2026

Reclamações de consumidores do setor financeiro na Plataforma consumidor.gov.br: a trajetória da percepção de resolutividade

Este estudo analisou a trajetória da percepção de resolutividade das reclamações de consumidores do setor financeiro na plataforma consumidor.gov.br entre os anos de 2015 e 2025. O objetivo foi analisar a evolução dessa percepção. Para isso, utilizou-se a metodologia KDD (Knowledge Discovery in Databases) e a linguagem Python. Foram processadas 4.774.386 reclamações, e os registros apresentaram um crescimento exponencial, passando de 46 mil em 2015 para 1,2 milhão em 2025. Contudo, a percepção de resolução por parte dos consumidores declinou de 47,6% para 8,9% nesse período. Apenas 776.970 reclamações foram classificadas como resolvidas, representando 16,27% do total. As reclamações resolvidas possuíram nota média de 4,08, enquanto as não resolvidas decaíram para 1,42. O perfil do consumidor foi apresentado pela predominância do sexo masculino, com idade entre 21 e 40 anos e pertencente à região sudeste. Concluiu-se que o estudo analisou profundamente as reclamações do setor financeiro brasileiro, detalhando a eficiência das respostas institucionais e as características populacionais, podendo servir como instrumento para balizar melhorias na satisfação dos consumidores, mitigar propaganda negativa e gerar fidelização no ambiente competitivo.

Palavras-chave: Comportamento; Consumo; KDD; Satisfação do consumidor.

13 de novembro de 2026

A força da IA generativa na construção de relacionamentos emocionais com os consumidores

O marketing evoluiu para uma abordagem centrada no relacionamento, impulsionado pelo avanço da inteligência artificial generativa em canais conversacionais como o WhatsApp. O estudo objetivou identificar a capacidade da inteligência artificial generativa de construir relacionamentos emocionais com consumidores em fluxos de comunicação simulados, considerando elementos como linguagem afetiva, proximidade e personalização. Adotou-se uma abordagem exploratória qualitativa, com procedimento experimental. Aplicou-se um roteiro padronizado de interação em quatro marcas que utilizam IA generativa via WhatsApp. As respostas foram coletadas por observação direta não participante e analisadas segundo critérios como tom de linguagem, presença de elementos afetivos e continuidade do diálogo. Os resultados evidenciaram diferentes níveis de maturidade no uso da IA, destacando sistemas que, configurados com intencionalidade relacional, simularam empatia, mantiveram coerência contextual e sustentaram o vínculo ao longo da jornada, mesmo em situações de ruptura. Concluiu-se que a capacidade da IA generativa de construir relacionamentos emocionais não é inerente à tecnologia, mas depende de seu design estratégico, incluindo definição de persona, estruturação de prompts e uso de memória contextual, reforçando a integração entre tecnologia e estratégia de marketing de relacionamento.

Palavras-chave: Atendimento automatizado; Inteligência artificial conversacional; Linguagem afetiva; Marketing de relacionamento; Personalização.

13 de novembro de 2026

Gestão estratégica do departamento jurídico em seguradora: produtividade, desenvolvimento e uso de ferramentas de suporte

O ambiente securitário, caracterizado por complexidade regulatória e necessidade de eficiência, demanda estruturas organizacionais eficazes. Este estudo analisou como a organização das atividades, a padronização de processos e o uso de ferramentas de apoio influenciaram a produtividade e o desenvolvimento do departamento jurídico de uma seguradora. A pesquisa, de natureza exploratória com abordagem quantitativa e qualitativa, foi realizada por meio de um “survey”. Aplicou-se um questionário estruturado adaptado, baseado em construtos de maturidade de processos do Business Process Management (BPM) e escala Likert, a dez profissionais do departamento jurídico de uma seguradora em São Paulo. Os dados foram analisados por estatística descritiva e qualitativa. Os resultados indicaram um estágio intermediário de maturidade na estruturação dos processos jurídicos, com percepção favorável sobre o planejamento de atividades e a busca por melhoria contínua. Contudo, observaram-se fragilidades na uniformidade da adoção de procedimentos formais e na consistência da aplicação de métodos, especialmente na interação com outras áreas. A estruturação das atividades e a padronização de processos, combinadas ao uso de ferramentas de suporte, associaram-se a maior previsibilidade das demandas, menor variabilidade nas rotinas e maior consistência técnico-jurídica das entregas. Concluiu-se que a adoção de práticas de gestão estratégica e o uso estruturado de ferramentas de suporte contribuíram para o aumento da produtividade e a geração de valor à organização. O estudo ofereceu diretrizes para fortalecer a gestão estratégica do departamento jurídico, enfatizando a formalização de rotinas, o uso de ferramentas tecnológicas e o desenvolvimento de competências, além de aplicar conceitos de BPM ao contexto jurídico corporativo.

Palavras-chave: Business Process Management (BPM); Mecanismos de apoio; Melhoria contínua; Padronização de processos; Produtividade organizacional.

13 de novembro de 2026

Construção de um mapa estratégico para alinhamento de processos e projetos à estratégia corporativa

A capacidade de uma organização alinhar seus esforços à estratégia corporativa mostrou-se fundamental para sua sustentabilidade em mercados competitivos. O objetivo foi construir um mapa estratégico para uma empresa de Engenharia e Construção, utilizando a metodologia Balanced Scorecard, a fim de oferecer um referencial estruturado que fortalecesse o alinhamento entre a área de Processos e Projetos e os objetivos organizacionais. Adotou-se um estudo de caso com abordagem qualitativa, fundamentado no framework do Balanced Scorecard de Kaplan e Norton. A coleta de dados envolveu análise documental e três entrevistas semiestruturadas com executivos da organização, realizadas em dezembro de 2025. Os resultados permitiram a elaboração de um mapa estratégico que evidenciou as relações de causa e efeito entre as perspectivas Financeira, de Clientes, de Processos Internos e de Aprendizado e Crescimento. A validação com a liderança indicou alta aderência do modelo à realidade da empresa, destacando sua contribuição para a clareza estratégica, a priorização de iniciativas e o melhor direcionamento da atuação da área de Processos e Projetos. Concluiu-se que o mapa estratégico representa um instrumento relevante para traduzir a estratégia organizacional e apoiar sua execução, promovendo maior alinhamento interno e uma gestão mais eficaz do portfólio de iniciativas.

Palavras-chave: Alinhamento estratégico; Balanced Scorecard; Gestão de processos; Gestão de portfólio.

Inscreva-se em nossa newsletter!

Receba conteúdos e fique sempre atualizado sobre as novidades em gestão, liderança e carreira com a Revista E&S.

Ao preencher o formulário você está ciente de que podemos enviar comunicações e conteúdos da Revista E&S. Confira nossa Política de Privacidade