Evasão Escolar: Aplicando Mineração de Dados para Identificar Variáveis Relevantes

Abstract

School dropout in Brazilian public education is a huge problem. One in four Brazilians leave school prematurely, before completing high school. This work deals with part of the problem, analyzing school dropout in the last year of Middle School on public schools of Pernambuco/Brazil, with data collected from the official National School Census, between 2011 and 2012. Decision Trees, Rules Induction and Logistic Regression were the Knowledge extraction techniques applied to identify the profile of a dropout student and estimate the propensity for that. Results show that age, classes' shift and geographic region strongly influence dropout. Resumo. A evasão escolar na educação pública brasileira é um problema de grandes proporções. Um em cada quatro brasileiros deixa a escola prematuramente, antes de terminar o ensino médio. Este trabalho faz um recorte do problema, ao analisar a evasão escolar no último ano do ensino fundamental nas escolas públicas estaduais e municipais do estado de Pernambuco, com base nos dados dos Censos Escolares 2011 e 2012. Árvore de Decisão, Indução de Regras e Regressão Logística foram as técnicas para extração de conhecimento aplicadas visando a identificar o perfil do aluno evasor e estimar a propensão à evasão. Os resultados mostraram que fatores como idade, turno das aulas e região geográfica das escolas influenciam fortemente a evasão.

IoT System for School Dropout Prediction Using Machine Learning Techniques Based on Socioeconomic Data

“…The number of studies that seek to predict dropout has intensified in recent years. Researchers such as [16][17][18][19][20][21] carried out surveys that sought to predict which students were likely to drop out of courses in the face-to-face modality.…”

“…Authors in [16,17] used school data from the census between the years 2011 to 2016 in the states of Pernambuco, Sergipe, and Ceará, in Brazil; using predictive characteristics such as age, gender, and demographic region presented significant results within the studied context. Authors in [16] applied the Decision Tree classifier and obtained 69% accuracy. Authors in [17] used data from Ceará and Sergipe between the years 2014 and 2016 and reached 87% on the same metric with logistic regression.…”

Série Educar - Volume 44 - Tecnologias

“…Os autores em [Bezerra et al 2016], apresentam uma pesquisa realizada nas escolas públicas no estado do Pernambuco com o objetivo de identificar um perfil de aluno com predisposição a evasão. Através de técnicas de mineração de dados foram aplicados algoritmos de Árvore de Decisão, Indução de Regra e Regressão Logística nos dados.…”

Mineração de dados orientada pelo domínio educacional: uma prova de conceito

“…Outro trabalho a ser ressaltado é o de Bezerra et al (2016), que analisaram a evasão escolar dos alunos do 9º ano do ensino fundamental das escolas do estado de Pernambuco, baseados nos censos escolares 2011 e 2012. A análise foi efetuada por mais de uma técnica de mineração de dados, a saber, Árvore de Decisão, Indução de Regras e Regressão Logística, com o intuito de detectar o perfil do aluno evadido.…”