MACHINE LEARNING COMO ESTRATÉGIA DE APOIO À GESTÃO ACADÊMICA: UM ESTUDO SOBRE PREDIÇÃO DE EVASÃO NO ENSINO SUPERIOR

Resumo

A evasão escolar no ensino superior constitui um desafio recorrente para instituições educacionais, impactando indicadores de permanência, conclusão e eficiência acadêmica. Este artigo apresenta uma revisão bibliográfica sobre a aplicação de técnicas de Machine Learning na previsão da evasão em cursos de graduação, com ênfase em estudos que utilizam Mineração de Dados Educacionais. São discutidos trabalhos nacionais e internacionais que empregam algoritmos de classificação, como Árvores de Decisão, Random Forest, Support Vector Machine e XGBoost, destacando seus desempenhos, atributos mais relevantes e contribuições para a gestão acadêmica. Como referência ilustrativa, analisa-se um estudo de caso amplamente citado na literatura, realizado na Universidade Federal do Rio Grande (UFRG), que evidencia o potencial dessas técnicas na identificação precoce de estudantes em risco de evasão. Conclui-se que a aplicação de métodos de aprendizado de máquina representa uma estratégia promissora para subsidiar sistemas de apoio à decisão e políticas institucionais de permanência estudantil.