Técnicas de Mineração de Dados e Aprendizado de Máquina aplicados à Evasão Estudantil: um mapeamento sistemático da literatura

Abstract

Este trabalho apresenta um Mapeamento Sistemático da Literatura sobre a evasão estudantil, a partir do qual buscou-se responder à seguinte questão de pesquisa: quais ferramentas, técnicas de aprendizado de máquina, fatores indutores, bases de dados abertas e métricas de avaliação de algoritmos têm sido utilizados para identificar as causas da evasão estudantil? O protocolo do mapeamento foi elaborado com base nas diretrizes apresentadas por Petersen (2008) e Kitchenham (2004). Portanto, ele consistiu na definição de questões de pesquisa, critérios de seleção, definição de strings de busca, definição das fontes de busca, entre outros elementos. Entre os resultados ressalta-se que a ferramenta R foi a mais utilizada, a classificação obteve destaque entre as técnicas de aprendizagem de máquina e os principais trabalhos da área se concentraram em estudar fatores relacionados às características individuais do aluno. Adicionalmente, foram encontradas 15 bases bases de dados abertas. Por fim, às métricas de avaliação de algoritmos que se destacaram são: Recall, Accuracy e Precision. Os resultados deste mapeamento fornecem uma visão abrangente do estado da arte da pesquisa em evasão estudantil, incluindo as ferramentas e técnicas mais populares e os fatores indutores mais investigados. Pesquisadores podem utilizar os resultados deste trabalho para direcionar esforços de pesquisa para a criação de modelos utilizando os três tipos de fatores indutores e disponibilização de bases abertas.