PREDIÇÃO E PRIORIZAÇÃO DE EVASÃO ESTUDANTIL VIA FEW-SHOT LEARNING: UMA ABORDAGEM PARA APOIO À DECISÃO

Vol 57, 2025 - 340702
Trabalho completo (Oral)
Favoritar este trabalho
Como citar esse trabalho?
Resumo

A evasão no ensino superior é um desafio relevante, especialmente em cursos com grande número de alunos e recursos limitados para intervenções. A identificação precoce de estudantes em risco é essencial para apoiar a tomada de decisão institucional. Este trabalho propõe uma abordagem baseada em few-shot learning, utilizando Prototypical Networks, para predição de evasão em cenários com poucos dados. O modelo é integrado a uma estratégia de priorização, permitindo a construção de rankings de risco para otimizar a alocação de recursos. A abordagem foi avaliada com dados reais e comparada a modelos tradicionais aprendizado de máquina. Os resultados mostram um ganho expressivo na métrica de recall, superior a 90%, em comparação com cerca de 60% em modelos convencionais, indicando maior capacidade de identificar alunos em risco. Testes estatísticos confirmam a significância dos resultados, e a solução apresenta alta escalabilidade para análise eficiente de estudantes em risco, mesmo com poucos dados.

Compartilhe suas ideias ou dúvidas com os autores!

Sabia que o maior estímulo no desenvolvimento científico e cultural é a curiosidade? Deixe seus questionamentos ou sugestões para o autor!

Faça login para interagir

Tem uma dúvida ou sugestão? Compartilhe seu feedback com os autores!

Instituições
  • 1 Universidade Federal Rural do Semi-Árido
Eixo Temático
  • AS&DS – Análise e Ciência de Dados
Palavras-chave
Evasão estudantil
Few-shot learning
Prototypical Networks