Informações

• Título: Predição de Evasão em Cursos EAD: um Modelo Baseado em Árvore de Decisão que Integra Causas Exógenas e Endógenas
• Autor(es): Jordan Paulesky Juliani
• Instituição: Fundação CECIERJ
• Tipo: EaD em Foco
• Data: 15/05/2025
• URL: http://dx.doi.org/10.18264/eadf.v15i1.2504
• Código do Recurso: 22718
• Descrição:  Embora a maioria das IES esteja desenvolvendo programas para controlar a evasão, muitos dos modelos preditivos existentes se baseiam em dados ou causas que não impactam diretamente os altos índices de evasão. Neste contexto, e considerando estudos recentes que recomendam a utilização da ciência de dados para desenvolver modelos preditivos, esta pesquisa propôs um modelo de predição de evasão em cursos de graduação EAD. Utilizando aprendizagem de máquina e um algoritmo de aprendizagem supervisionada chamado árvore de decisão, o modelo integrou causas exógenas e endógenas de evasão. A pesquisa, de natureza aplicada e abordagem qualitativa, foi classificada como exploratória e incluiu um estudo de caso e revisão bibliográfica. Os resultados revelaram a importância e a interação entre as variáveis de engajamento, idade e a distância entre o município de residência do aluno e o polo de EAD. Estas descobertas oferecem insights valiosos para as estratégias de retenção em instituições que oferecem educação a distância.