Classificador para predição de aluno evasor de Graduação em Universidades particulares

Mirkos Ortiz Martins, Crhistopher Lenhard

Resumo


A evasão no ensino superior é um problema de difícil identificação, pois envolve um grande conjunto de características que a define. Esse trabalho teve como objetivo construir um sistema computacional, baseado em machine learning, para a identificação das características mais relevantes e consequente classificação dos alunos entre evasores e não evasores. Para isso foi utilizada a linguagem Python, juntamente com as bibliotecas Pandas, Numpy e Scikit-learn, resultando em uma implementação que comparou as arquiteturas árvore de decisão, floresta aleatória e árvores extra, demonstrando que a última obtém melhores resultados (92.84%) na acurácia da identificação do aluno evasor, em uma base de dados com informações no período de 10 anos na UFN.


Texto completo:

PDF


DOI: https://doi.org/10.37779/nt.v22i2.3889

Apontamentos

  • Não há apontamentos.


OUTRAS PUBLICAÇÕES DA UNIVERSIDADE FRANCISCANA

 

Artes, Letras e ComunicaçãoCiências da SaúdeCiências HumanasCiências Naturais e Tecnológicas

Ciências Sociais AplicadasThaumazeinVidya

 

INDEXADA EM


 

Os artigos publicados não expressam necessariamente a opinião da revista e são de responsabilidade exclusivados autores.

Todos os custos são cobertos pelo Centro Universitário Franciscano.


Creative Commons License

This work is licensed under a Creative Commons Attribution 3.0 Unported License.