UFLA desenvolve solução com Inteligência Artificial para prever evasão e retenção de estudantes
Exibição do risco de retenção por estudante
A Universidade Federal de Lavras (UFLA) acaba de desenvolver uma solução inovadora para lidar com um dos grandes desafios das Instituições de Ensino Superior Públicas brasileiras. A nova ferramenta, baseada em técnicas de inteligência artificial, é capaz de prever riscos de evasão e retenção de estudantes, servindo como uma grande aliada para a elaboração e a execução de estratégias de gestão dos cursos de graduação.
A solução envolve a coleta e o tratamento de dados, treinamento de algoritmos, realização de previsões, cálculo de contribuição de variáveis e disponibilização de dados em painéis de gestão. Os algoritmos de aprendizado de máquina que compõem a ferramenta são submetidos a treinamentos contínuos utilizando dados históricos da UFLA, com o objetivo de identificar padrões que sinalizam estudantes em situação de risco, seja de retenção, seja de evasão.
Esses padrões englobam elementos como reprovações, coeficiente de rendimento acadêmico (CRA), aproveitamento de disciplinas, trancamentos e até mesmo o método de admissão na universidade. Com base nesses padrões, são realizadas previsões que indicam a probabilidade de cada estudante evadir ou de ficar retido.
A ferramenta é capaz de se adaptar às variações nos perfis dos estudantes ao longo do tempo, uma vez que os modelos são continuamente atualizados e avaliados à medida que novos dados se tornam disponíveis. Em média, quando considerados dados de estudantes não utilizados nas etapas de treinamento, os modelos têm alcançado uma precisão de 87% nas previsões de retenção e 93% nas previsões de evasão.
A solução incorpora, ainda, uma funcionalidade que possibilita a análise do impacto de cada variável, de forma individualizada, em relação às previsões para cada estudante, oferecendo uma visão mais minuciosa das relações e relevâncias das variáveis em cenários específicos.
Essa ferramenta está em sintonia com as novas ações da UFLA para o fortalecimento da governança de dados na organização. Nesse contexto, a Universidade tem se empenhado na consolidação de uma arquitetura que promove o compartilhamento de dados entre projetos analíticos, iniciativas de transparência e processos de prestação de contas. Dessa forma, os dados disponibilizados em iniciativas de transparência, como dados abertos, são utilizados como fontes de dados para outras finalidades, como neste projeto que envolve a aplicação de inteligência artificial. Essa estratégia visa, principalmente, a otimizar recursos e promover a melhoria contínua da integridade, disponibilidade e qualidade dos dados, contribuindo para aumentar a eficiência na gestão da informação pela Universidade.
A condução do projeto é realizada pela Coordenadoria de Inteligência e Governança de Dados, vinculada à Superintendência de Governança (CIGD/SGV), em colaboração com a Pró-Reitoria de Graduação (Prograd). O coordenador da CIGD, Flávio Lopes de Morais, ressalta que “o uso de uma inteligência artificial capaz de se adaptar às variações nos perfis dos estudantes ao longo do tempo, aliada à capacidade de interpretação detalhada das influências de cada variável sobre as previsões, pode oferecer à UFLA uma vantagem significativa na implementação de estratégias proativas para a redução das taxas de retenção e evasão acadêmica”.
Ele também enfatiza que a inclusão de dados suplementares, como informações socioeconômicas, comportamentais e acadêmicas mais detalhadas, pode enriquecer os modelos e proporcionar insights adicionais sobre os fatores que afetam a retenção e a evasão acadêmica.
O pró-reitor de Graduação, professor Ronei Ximenes Martins, destaca que "para o desenvolvimento de ações que reduzam a retenção e a evasão, é muito relevante que a Prograd e os colegiados dos cursos possam contar com preditores confiáveis e personalizáveis, tal como essa iniciativa propõe. Suas características de aprendizagem podem torná-la mais precisa a cada semestre, oferecendo ao corpo docente e à gestão meios para identificar fragilidades e agir preventivamente".
