Publication
Previsão do abandono académico numa instituição de ensino superior com recurso a data mining
| Summary: | Este estudo propõe dois modelos preditivos de classificação que permitem identificar, logo no final do 1º e do 2º semestres escolares, os estudantes de licenciatura de uma instituição de ensino superior mais propensos ao abandono académico. A metodologia proposta, que combina 3 algoritmos populares de data mining, como são as random forest, as máquinas de vetores de suporte e as redes neuronais artificiais, para além de contribuir para a assertividade da previsão, permite identificar por ordem de relevância os principais fatores que prenunciam o abandono académico. Os resultados empíricos demonstram ser possível reduzir para cerca de 1/4 as 4 dezenas de potenciais preditores do abandono, e mostram serem essencialmente dois, do contexto curricular do estudante, a explicarem essa propensão. Esse conhecimento revela-se de importância primordial para que os agentes de gestão possam adotar as medidas e decisões estratégicas mais propícias à diminuição dos índices de evasão discente. |
|---|---|
| Main Authors: | Martins, Maria Prudência |
| Other Authors: | Migueis, Vera L.; Fonseca, D.S.B.; Gouveia, Paulo D.F. |
| Subject: | Artificial neural networks Educational data mining Prediction academic dropout Random forest Support vector machines |
| Year: | 2020 |
| Country: | Portugal |
| Document type: | article |
| Access type: | open access |
| Associated institution: | Instituto Politécnico de Bragança |
| Language: | English |
| Origin: | Biblioteca Digital do IPB |
| Summary: | Este estudo propõe dois modelos preditivos de classificação que permitem identificar, logo no final do 1º e do 2º semestres escolares, os estudantes de licenciatura de uma instituição de ensino superior mais propensos ao abandono académico. A metodologia proposta, que combina 3 algoritmos populares de data mining, como são as random forest, as máquinas de vetores de suporte e as redes neuronais artificiais, para além de contribuir para a assertividade da previsão, permite identificar por ordem de relevância os principais fatores que prenunciam o abandono académico. Os resultados empíricos demonstram ser possível reduzir para cerca de 1/4 as 4 dezenas de potenciais preditores do abandono, e mostram serem essencialmente dois, do contexto curricular do estudante, a explicarem essa propensão. Esse conhecimento revela-se de importância primordial para que os agentes de gestão possam adotar as medidas e decisões estratégicas mais propícias à diminuição dos índices de evasão discente. |
|---|