Título: Aplicação de Redes Neurais para Evasão Escolar
Autores: Diego Araujo Silva, Roberta A de A Fagundes
Resumo: Resumo—A evasão no ensino superior representa um desafio significativo para instituições de ensino, impactando no desenvolvimento social e econômico. Pois, essa evasão leva ao desperdício de recursos, como também, salas de aula vazias, ociosidade de professores e funcionários, e subutilização da infraestrutura disponível são consequências diretas. A previsão ajuda a otimizar o planejamento de turmas, alocação de docentes e uso das instalações. Portanto, esse estudo propõe a aplicação de modelos de redes neurais artificiais, especificamente Multilayer Perceptron (MLP) e Extreme Learning Machine (ELM), para prever a evasão de alunos no ensino superior. Foi utilizada uma base de dados pública do Instituto Politécnico de Portalegre, composta por informações demográficas, socioeconômicas e acadêmicas de 4.424 estudantes. A metodologia adotada seguiu o processo CRISP-DM, envolvendo etapas de entendimento dos dados, pré-processamento, modelagem e avaliação. Os resultados indicam que ambos os modelos são eficazes na tarefa de predição, com acurácia de 91,73% para a MLP e 91,87% para a ELM. Destaca-se que o ELM apresenta tempo de treinamento significativamente menor, sem a necessidade de alto poder computacional, tornando-se uma alternativa viável e eficiente para instituições com recursos limitados. Este estudo contribui para a adoção de técnicas de inteligência artificial como ferramenta de apoio na prevenção e gestão da evasão acadêmica.
Palavras-chave: School dropout; Neural networks; Multilayer Perceptron; Extreme Learning Machine; Higher education.
Páginas: 8
Código DOI: 10.21528/CBIC2025-1175978
Artigo em PDF: CBIC_2025_paper1175978.pdf
Arquivo BibTeX:
CBIC_2025_1175978.bib