O uso da inteligência artificial para auxiliar na predição de abandono de alunos em uma escola de ensino regular
DOI:
https://doi.org/10.5540/03.2025.011.01.0451Palabras clave:
Evasão Escolar, Inteligência Artificial, Aprendizado de Máquina, Modelo de Classificação, Aprendizado Supervisionado, Redes NeuraisResumen
A Evasão Escolar é um desafio que impacta sistemas educacionais em todo o mundo. Este trabalho utiliza algoritmos de Inteligência Artificial e Aprendizado de Máquina para enfrentar o problema, aplicando técnicas capazes de analisar dados históricos e antecipar tendências futuras. Especificamente, utilizamos Redes Neurais Artificiais para identificar padrões e compreender os fatores que levam os alunos a abandonar os estudos. A coleta de dados contou com a colaboração de alunos da Educação de Jovens e Adultos do Novo Ensino Médio (EJANEM), que, em algum momento de suas trajetórias escolares, precisaram interromper os estudos. Esses dados foram obtidos por meio de formulários preenchidos pelos alunos e comparados com dados coletados de alunos do Ensino Regular.
Descargas
Citas
C. M. Bishop. Neural Networks for Pattern Recognition. Oxford University Press, 1995.
M. M. C. de Carvalho. “Evasão Escolar no Brasil: Uma Perspectiva Multidimensional”. Em: Biblioteca Virtual da FAFESP (2014).
R. M. Dutra. “O uso de inteligência artificial para predição de evasão na rede Doctum de ensino”. Dissertação de mestrado. Instituto Doctum de Educação e Tecnologia, Faculdades Integradas de Caratinga - FIC, 2015.
L. S. Mendes e F. C. Souza. “Análise das causas da evasão escolar no ensino fundamental”. Em: Educação em Foco 25.2 (2021), pp. 89–102. doi: 10.5752/P.2317-788X.2021v25n2p89.
S. Haykin. Neural Networks and Learning Machines. Prentice Hall, 2008.
H. S. Carvalho e M. I. S. Castanho. “A evasão escolar no ensino médio: Análise de uma realidade”. Em: Revista Pórescrito 13 (2022). doi: 10.15448/2179-8435.2022.1.40630. url: https://revistaseletronicas.pucrs.br/index.php/porescrito/article/view/40630.
T. M. Mitchell. Machine Learning. McGraw-Hill, 1997. isbn: 0070428077.
S. Russell e P. Norvig. Inteligência Artificial. 3. ed. Elsevier, 2013.
J. VanderPlas. Python Data Science Handbook: Essential Tools for Working with Data. O’Reilly Media, 2016.
