Desempenho Acadêmico na Previsão da Evasão no Ensino Superior

Comparação entre Modelos Bagging, Boosting e Ensemble de Votação Majoritária

Resumo

A pesquisa comparou modelos de machine learning para predição da evasão no ensino superior, utilizando atributos de desempenho acadêmico, demográficos e socioeconômicos. Quatro modelos foram avaliados (Random Forest, XGBoost, LightGBM e Ensemble). Os resultados da validação cruzada indicaram a superioridade dos algoritmos baseados em Gradient Boosting. O LightGBM apresentou o melhor desempenho geral, com acurácia de 91,05% e AUC-ROC de 0,9694. A análise da matriz de confusão do LightGBM revelou Taxa de Falsos Negativos de 9,82% e Taxa de Falsos Positivos de 7,27%. O estudo dos erros revelou que os falsos negativos, estudantes que cancelaram e não foram identificados, abandonaram o curso apesar do desempenho acadêmico semelhante ao dos ativos, sugerindo evasão motivada por fatores não acadêmicos e não capturados pelo modelo. A importância dos atributos, medida pelo SHAP, estabeleceu que a eficiência acadêmica, principalmente média de aprovações por período e taxa de carga horária de sucesso no último semestre são os preditores dominantes. Concluiu-se: modelos de boosting são eficazes para sistemas de alerta precoce e baixo desempenho é forte indicador de risco. A limitação em captar fatores não acadêmicos aponta para a necessidade de incorporar dados mais abrangentes para previsão de maior impacto nas estratégias de retenção.