PREDIÇÃO DO FRACASSO ESCOLAR NO ENSINO SUPERIOR USANDO TÉCNICAS DE MINERAÇÃO DE DADOS: CASO DO INSTITUTO SUPERIOR POLITÉCNICO DO MOXICO

Resumo

O fracasso escolar no ensino superior deriva de múltiplas variáveis ligadas ao perfil do estudante e ao ambiente de aprendizagem. Este trabalho analisou dados de um estudo realizado no Instituto Superior Politécnico do Moxico, focando nos estudantes do 1.º ano de Ciências de Computação, na disciplina de Lógica de Programação, com o objetivo de avaliar o desempenho discente mediante algoritmos de mineração de dados, identificando padrões preditivos de reprovação. A pesquisa é de natureza qualitativa, descritiva e de pesquisa-ação, envolveu 20 estudantes. Os dados, obtidos por observação, análise documental, questionário e entrevista, foram processados no WEKA. Compararam-se cinco algoritmos de classificação (J48, REPTree, NaiveBayes, SMO e Multilayer Perceptron) através de validação cruzada de 10 partições. O NaiveBayes destacou-se com 90% de acurácia, classificando corretamente 18 das 20 instâncias. A comparação pré e pós-intervenção, baseada em 13 interações, revelou redução sistemática da percentagem predita de fracasso: valores iniciais entre 50% e 96% caíram para 1% a 68%. A média recuou de 78,77% para 18,15%, uma variação de 60,62 pontos percentuais. Os achados sublinham a utilidade da mineração de dados no mapeamento de riscos académicos e no monitoramento de tendências preditivas, ressalvando que o desenho do estudo não permite inferir causalidade direta entre as ações implementadas e a redução observada.