SELEÇÃO DE ATRIBUTOS DA BASE DO CENSO ENSINO SUPERIOR BRASILEIRO PARA ANALISE DE EVASÃO

Abstract

Increasingly, the education sector is using its extensive data repositories to aid decision-making within universities. One of the main problems these institutions face is the dropout of students. It is a worrying phenomenon because it causes social and economic losses for both students and society. One way to reduce the impact of dropouts is to identify the possible causes of dropouts using the databases available in the institutions using techniques in the area of Educational Data Mining. Is it an interdisciplinary area that uses computational and statistical techniques to understand the educational scenario from the databases of educational institutions. The large number of attributes present in these bases make it difficult to build forecast models. To solve this problem, it is common to make use of feature selection. Feature selection is a set of techniques capable of identifying which are the most relevant attributes in a large database and simplifying it so that it is possible to express the information with a smaller volume of data. With this, it is possible to perform analysis on smaller and cleaner databases, which facilitates the problem understanding and improves computational performance in terms of processing time and the quality of the model generated. Furthermore, identifying the most relevant factors is a way to understand the possible causes and consequences of the problem. This work seeks to find the main factors that impact Brazilian higher education dropout through a comparative analysis of attribute selection techniques using data from Education Census Higher, provided by the Brazilian government, which gathers information about all higher education students in the country. A new approach for feature selection was also proposed with Genetic Algorithm to allow more flexibility and specificity in the educational setting, called FlexAG. The results show that the attributes year of entry, extracurricular activity, and student financing are the most important for the overall base scenario of Education Census Higher. In addition, the feature selection techniques can improve the classification performance measures, and reduce the number of attributes and classification time.

Cada vez mais o setor da educação tem utilizado dados para auxiliar na tomada de decisão dentro das instituições de ensino. Um dos principais problemas enfrentados por essas instituições e a evasão. Ela consiste em um fenômeno preocupante pois gera prejuízos sociais e econômicos tanto para o estudante quanto para a sociedade. Uma maneira de reduzir os impactos da evasão consiste em identificar quais são as possíveis causas do problema por meio das bases de dados disponíveis nas instituições de ensino, podendo ser utilizado para isso técnicas da área de Mineração de Dados Educacionais. Ela é uma área interdisciplinar que usa técnicas computacionais e estatísticas para compreender o cenário educacional a partir das bases de dados das instituições de ensino. A grande quantidade de atributos presentes nessas bases dificultam a construção dos modelos de previsão. Para resolver esse problema, e comum fazer uso da seleção de atributos, que e um conjunto de técnicas capaz de identificar quais são os atributos mais relevantes em uma base de dados extensa e simplifica-la de forma que seja possível expressar a informação com um volume menor de dados. Com isso, e possível realizar analises de bases de dados menores e mais limpas, o que facilita o entendimento do problema e melhora o desempenho computacional tanto em relação ao tempo de processamento quanto a qualidade do modelo gerado. Ademais, identificar os atributos mais importantes e uma forma de compreender quais são as possíveis causas e consequências do problema. Esse trabalho busca encontrar os principais fatores que impactam na evasão do ensino superior brasileiro por meio de uma análise comparativa de técnicas de seleção de atributos utilizando os dados do Censo de Ensino Superior, fornecido pelo governo brasileiro, que reúne informações sobre todos os estudantes de ensino superior do país. Uma nova abordagem para seleção de atributos também foi proposta com algoritmo genético para permitir maior flexibilidade e especificidade no cenário educacional, chamada FlexAG. Os resultados mostram que os atributos ano de ingresso, atividade extracurricular e financiamento estudantil são os mais importantes para o cenário geral da base do Censo de Ensino Superior. Além disso, as técnicas de seleção de atributos se mostraram capazes de melhorar as medidas de desempenho de classificação, a redução na quantidade de atributos e o tempo de classificação.