[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"doc-detail-123492-pt":3,"doc-seo-123492-112":31,"detail-sidebar-cat-0-pt-112":92},{"code":4,"msg":5,"data":6},0,"success",{"doc_id":7,"user_id":8,"nickname":9,"user_avatar":10,"doc_module":4,"category_id":11,"category_name":12,"doc_title":13,"doc_description":14,"doc_content":15,"file_id":16,"file_url":17,"file_type":18,"file_size":19,"view_count":20,"is_deleted":4,"is_public":21,"is_downloadable":21,"audit_status":21,"page_count":22,"language":23,"language_code":24,"site_id":25,"html_lang":24,"table_of_contents":26,"faqs":27,"seo_title":28,"seo_description":14,"update_tm":29,"read_time":30},123492,962085564807,"Aurelia","https://ap-avatar.wpscdn.com/davatar_6f874abed73319feea01a86fa6f0fab8",32,"Pesquisa e Relatórios","ANÁLISE DA EVASÃO DE ALUNOS NO CENTRO UNIVERSITÁRIO PARTICULAR UTILIZANDO MODELOS DE MACHINE LEARNING","A evasão de alunos no ensino superior representa um desafio crítico para a sustentabilidade institucional e para a trajetória acadêmica dos estudantes. O estudo investiga a aplicabilidade de modelos de Machine Learning na previsão da evasão em um Centro Universitário Particular, com objetivo de identificar padrões e características associados à decisão de evasão. A metodologia contempla coleta de dados, análise exploratória, pré-processamento e desenvolvimento/avaliação de modelos preditivos, resultando na identificação de variáveis significativas. O modelo serve como ferramenta de apoio à decisão para políticas de retenção.","ANÁLISE DA EVASÃO DE ALUNOS NO CENTRO UNIVERSITÁRIO PARTICULAR UTILIZANDO MODELOS DE MACHINE LEARNING  \nCelso Barreto da Silva  \nFabio Fonseca Barbosa Gomes José Vicente Cardoso Santos Cevaldo Santos e Santos Marcos Santos Leite  \nRESUMO  \nA evasão de alunos no ensino superior é uma questão crítica, afetando aestrutura das instituições e a vida acadêmica dos estudantes. Este estudo investiga a aplicabilidade de modelos de Machine Learning na previsão daevasão de alunos no Centro Universitário Particular. Utilizando dados fictícios, oestudo se propõe a identificar padrões e características que influenciam adecisão de evasão, aplicando técnicas avançadas de análise preditiva. Ametodologia emprega a coleta, análise exploratória, pré-processamento de dados, e o desenvolvimento e avaliação de modelos preditivos. Os resultadosindicam variáveis significativas que influenciam a evasão, com a implementaçãodo modelo preditivo servindo como ferramenta de apoio à decisão para políticas de retenção de alunos.  \nPalavras-chave: Evasão Universitária, Machine Learning, Análise Preditiva, Retenção de Alunos, Gestão Acadêmica.  \nABSTRACT  \nStudent dropout in higher education is a critical issue, affecting the structure of institutions and the academic lives of students. This study investigates the applicability of Machine Learning models in predicting student dropout at Centro Universitário Particular. Using data, the study proposes the identification of patterns and characteristics that influence the evasion decision, applying advanced predictive analysis techniques. The methodology employs collection, exploratory analysis, data pre-processing, and the development and evaluation of predictive models. The results indicate significant results that influence dropout  \nrates, with the implementation of the predictive model functioning as a decision support tool for student retention policies.  \nKeywords: University Dropout, Machine Learning, Predictive Analysis, Student Retention, Academic Management.  \n1. INTRODUÇÃO  \nA evasão universitária é um fenômeno complexo que tem chamado aatenção de educadores e pesquisadores devido às suas implicações substanciais na eficiência operacional e na qualidade educacional dasinstituições de ensino superior. Piaget (1974) enfatizou a importância do ambiente de aprendizagem adequado no desenvolvimento cognitivo dos alunos, implicando que um ambiente educacional inadequado pode contribuir para aevasão.  \nAusubel (1968) complementa essa visão ao argumentar que aaprendizagem significativa, onde o novo conteúdo é relacionado ao conhecimento pré-existente, é crucial para a retenção estudantil. Além disso, ateoria de Ausubel sobre a assimilação do conhecimento em estruturas cognitivas existentes oferece uma lente através da qual se pode examinar e compreenderas causas da evasão.  \nNa era atual, caracterizada pelo avanço tecnológico exponencial, aaplicação de técnicas de Machine Learning na educação tem sido amplamente explorada, com Russell e Norvig (2010) destacando sua capacidade de fornecer soluções inovadoras para problemas complexos e multifacetados, como aevasão de alunos.  \nNeste contexto, a abordagem de Bengio (2018) em relação ao aprendizado profundo e suas aplicações em padrões de dados complexos e nãoestruturados é particularmente relevante. Ao integrar estas perspectivas, este  \nestudo busca utilizar modelos avançados de Machine Learning para prever emitigar a evasão de alunos no Centro Universitário Particular.  \n2. METODOLOGIA  \nA metodologia adotada envolve a coleta de dados, incluindo variáveis como idade, gênero, curso, renda familiar, nota de entrada, média de notas, participação em atividades e horas de estudo semanal. A análise exploratória visa entender as relações e padrões nos dados, seguida pelo préprocessamento para garantir a qualidade dos dados para o treinamento demodelos de Machine Learning.  \nModelos como regressão logística, árvores de decisão e redes neuraissão desenvolvidos e avaliados","cbCaiuaHF5VxAPgu","https://ap.wps.com/l/cbCaiuaHF5VxAPgu","pdf",199386,2,1,11,"Portuguese","pt",112,"# Introdução\n# Metodologia\n## Coleta de Dados\n## Análise Exploratória dos Dados\n## Pré-processamento dos Dados\n## Desenvolvimento dos Modelos de Machine Learning\n## Avaliação e Interpretação dos Resultados\n## Proposta de Implementação do Modelo\n# Estrutura, Metodologia e Análise dos Dados","[{\"question\":\"Quais são os objetivos da análise de evasão apresentada no estudo?\",\"answer\":\"O estudo busca verificar a aplicabilidade de modelos de Machine Learning para prever a evasão e identificar padrões e características que influenciam a decisão de evasão.\"},{\"question\":\"Quais etapas compõem a metodologia de desenvolvimento dos modelos?\",\"answer\":\"A metodologia inclui coleta de dados, análise exploratória, pré-processamento, desenvolvimento e avaliação de modelos preditivos, incluindo validação cruzada e métricas de desempenho.\"},{\"question\":\"Como o estudo avalia o desempenho e interpreta os resultados?\",\"answer\":\"A performance é avaliada por acurácia, precisão, recall e F1-score, seguida de análise interpretativa para compreender quais variáveis impactam mais a previsão da evasão.\"}]","ANÁLISE DA EVASÃO DE ALUNOS NO CENTRO UNIVERSITÁRIO PARTICULAR UTILIZANDO MODELOS DE MACHINE LEARNING | PDF",1785816835,17,{"code":4,"msg":32,"data":33},"ok",{"site_id":25,"language":24,"slug":34,"title":13,"keywords":35,"description":14,"schema_data":36,"social_meta":87,"head_meta":89,"extra_data":91,"updated_unix":29},"analysis-of-student-dropout-at-a-private-university-using-machine-learning-models","",{"@graph":37,"@context":86},[38,54,69],{"@type":39,"itemListElement":40},"BreadcrumbList",[41,45,48,51],{"item":42,"name":43,"@type":44,"position":21},"https://docshare.wps.com","Home","ListItem",{"item":46,"name":47,"@type":44,"position":20},"https://docshare.wps.com/pt/document/","Document",{"item":49,"name":12,"@type":44,"position":50},"https://docshare.wps.com/pt/document/pesquisa-e-relatórios/",3,{"item":52,"name":13,"@type":44,"position":53},"https://docshare.wps.com/pt/document/analysis-of-student-dropout-at-a-private-university-using-machine-learning-models/123492/",4,{"url":52,"name":13,"@type":55,"author":56,"headline":13,"publisher":58,"fileFormat":61,"inLanguage":24,"description":14,"dateModified":62,"datePublished":63,"encodingFormat":61,"isAccessibleForFree":64,"interactionStatistic":65},"DigitalDocument",{"name":9,"@type":57},"Person",{"url":42,"name":59,"@type":60},"DocShare","Organization","application/pdf","2026-08-15","2026-08-04",true,{"@type":66,"interactionType":67,"userInteractionCount":20},"InteractionCounter",{"@type":68},"ViewAction",{"@type":70,"mainEntity":71},"FAQPage",[72,78,82],{"name":73,"@type":74,"acceptedAnswer":75},"Quais são os objetivos da análise de evasão apresentada no estudo?","Question",{"text":76,"@type":77},"O estudo busca verificar a aplicabilidade de modelos de Machine Learning para prever a evasão e identificar padrões e características que influenciam a decisão de evasão.","Answer",{"name":79,"@type":74,"acceptedAnswer":80},"Quais etapas compõem a metodologia de desenvolvimento dos modelos?",{"text":81,"@type":77},"A metodologia inclui coleta de dados, análise exploratória, pré-processamento, desenvolvimento e avaliação de modelos preditivos, incluindo validação cruzada e métricas de desempenho.",{"name":83,"@type":74,"acceptedAnswer":84},"Como o estudo avalia o desempenho e interpreta os resultados?",{"text":85,"@type":77},"A performance é avaliada por acurácia, precisão, recall e F1-score, seguida de análise interpretativa para compreender quais variáveis impactam mais a previsão da evasão.","https://schema.org",{"og:url":52,"og:type":88,"og:title":13,"og:site_name":59,"og:description":14},"article",{"robots":90,"canonical":52},"index,follow",{"doc_id":7,"site_id":25},{"code":4,"msg":5,"data":93},[94,99,103,107,111,115,119,121,125,129],{"id":95,"doc_module":4,"doc_module_name":47,"category_name":96,"show_sort_weight":97,"slug":98},26,"Contos e Romances",60,"story-novel",{"id":100,"doc_module":4,"doc_module_name":47,"category_name":101,"show_sort_weight":97,"slug":102},46,"Estilo de Vida","lifestyle",{"id":104,"doc_module":4,"doc_module_name":47,"category_name":105,"show_sort_weight":97,"slug":106},28,"Exames","exam",{"id":108,"doc_module":4,"doc_module_name":47,"category_name":109,"show_sort_weight":97,"slug":110},47,"Geral","general",{"id":112,"doc_module":4,"doc_module_name":47,"category_name":113,"show_sort_weight":97,"slug":114},29,"Histórias em Quadrinhos","comic",{"id":116,"doc_module":4,"doc_module_name":47,"category_name":117,"show_sort_weight":97,"slug":118},27,"Literatura","literature",{"id":11,"doc_module":4,"doc_module_name":47,"category_name":12,"show_sort_weight":97,"slug":120},"research-report",{"id":122,"doc_module":4,"doc_module_name":47,"category_name":123,"show_sort_weight":97,"slug":124},33,"Religião e Espiritualidade","religion-spirituality",{"id":126,"doc_module":4,"doc_module_name":47,"category_name":127,"show_sort_weight":97,"slug":128},31,"Saúde e Cuidados","healthcare",{"id":130,"doc_module":4,"doc_module_name":47,"category_name":131,"show_sort_weight":97,"slug":132},45,"Tecnologia","technology"]