Banca de QUALIFICAÇÃO: MARCELO DE ANDRADE LIMA MAIA

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE : MARCELO DE ANDRADE LIMA MAIA
DATA : 13/01/2026
HORA: 10:00
LOCAL: VIDEOCONFERÊNCIA
TÍTULO:

MODELO PREDITIVO DA EVASÃO ESTUDANTIL NO ENSINO SUPERIOR: APLICAÇÃO DE MACHINE LEARNING NA UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE

PALAVRAS-CHAVES:

Evasão no Ensino Superior. Modelos Preditivos. Machine Learning. Gestão da Permanência. Design Science Research.

PÁGINAS: 60
RESUMO:

A evasão representa um desafio crítico no ensino superior brasileiro, com taxas acumuladas que se aproximam de 60% no Brasil (INEP, 2024), gerando desperdício de recursos institucionais e de capital humano. A literatura com modelos de previsão para a evasão ainda é incipiente, sobretudo a partir de modelos mais recentes de aprendizado de máquina. Nesse contexto, esta dissertação tem como objetivo geral desenvolver um modelo preditivo de evasão discente, baseado em técnicas de Machine Learning, como ferramenta de apoio à tomada de decisão de políticas de permanência. A pesquisa classifica-se como aplicada e adota a Design Science Research (DSR) como estratégia metodológica para a construção e avaliação do modelo, tendo como Kernel Theories, a Teoria da Integração Estudantil, de Vincent Tinto, e o modelo de evasão do estudante não tradicional de Bean e Metzner, que incluem dimensões como integração acadêmica e social, bem como fatores ambientais e condições de vida dos discentes, para explicar a evasão discente. A base empírica compreende dados administrativos e acadêmicos da Universidade Federal do Rio Grande do Norte (UFRN), no período de 2015 a 2024, extraídos do ecossistema SIG (Sistema Integrado de Gestão). O artefato desenvolvido compreende: (i) a estruturação e validação de um modelo preditivo baseado em algoritmos de Machine Learning sob métricas adequadas a dados desbalanceados, com foco na identificação precoce de estudantes em maior risco de evasão; (ii) a identificação dos principais preditores associados ao abandono, à luz das teorias de Tinto e de Bean e Metzner; e (iii) a definição de diretrizes e requisitos para a implementação da ferramenta em painéis de monitoramento gerencial, integrados aos sistemas institucionais da UFRN.

MEMBROS DA BANCA:
Externo à Instituição - JORGE HENRIQUE NOROES VIANA - UFPB
Presidente - 1510488 - LUCIANO MENEZES BEZERRA SAMPAIO
Interna - 1894891 - RAQUEL MENEZES BEZERRA SAMPAIO