A Evasão Acadêmica em uma Universidade Pública do Sul do Ceará
DOI:
https://doi.org/10.14295/idonline.v19i76.4190Palavras-chave:
Evasão na Universidade, Ensino Superior, Redução da EvasãoResumo
A evasão no ensino superior representa um dos desafios mais difíceis e persistentes quando se trata da educação no Brasil. É um fenômeno que prejudica de maneira direta as universidades, os estudantes, bem como todo o cenário de desenvolvimento social. O objetivo do presente estudo foi conhecer algo mais sobre as principais questões envolvendo a evasão na Universidade Federal do Cariri (UFCA), suas causas e consequências. Também se considerou a existência ou não de políticas públicas, mais, ou menos presentes, a questão econômica e social dos alunos, as demandas acadêmicas, bem como a oferta de uma infraestrutura adequada para o funcionamento dos diversos cursos. Além disso, o estudo debate sobre possíveis medidas que implementadas ou em andamento, para se enfrentar o problema em pauta e, sugere possíveis soluções que possam ajudar a reduzir os índices de evasão. Dentre tais ações estão: programas de tutoria e monitoria, reforço pedagógico, orientação vocacional, bem como melhorias na infraestrutura e nos serviços oferecidos. São medidas que intencionam tornar o ambiente acadêmico mais acolhedor e satisfatório, incentivando os alunos a permanecerem e concluírem seus cursos.
Downloads
Referências
ALONSO, Rafael Feito. Êxito escolar para todos. Revista Iberoamericana de Educacion, Madrid, nº 50, p. 173-195, 2009. DOI: https://doi.org/10.35362/rie500666
ABMES. Relatório sobre Evasão no Ensino Superior Privado no Brasil. São Paulo: ABMES, 2021.
BISHOP, C. M. Pattern Recognition and Machine Learning. Springer, 2006.
BRASIL. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira - INEP. Censo da Educação Superior 2022. Brasília: MEC, 2022.
BRASIL. Instituto SEMESP – Base INEP. Mapa do Ensino Superior no Brasil, 13ª Edição, 296p, 2023.
CRUZ, M. P. A Relação Professor-Aluno no Ensino Superior. São Paulo: Revista Brasileira de Educação, 2015.
HAN, J., KAMBER, M., e PEI, J. (2011). Data Mining: Concepts and Techniques (3rd ed.). Morgan Kaufmann.
HASTIE, T., TIBSHIRANI, R., e FRIEDMAN, J. The Elements of Statistical Learning: Data Mining, Inference, and Prediction (2nd ed.). Springer, 2009. DOI: https://doi.org/10.1007/978-0-387-84858-7
HYNDMAN, R. J., e Athanasopoulos, G. Forecasting: Principles and Practice (2nd ed.). Otexts, 2018. DOI: https://doi.org/10.32614/CRAN.package.fpp2
JURAFSKY, D., e MARTIN, J. H. Speech and Language Processing (3rd ed.). Pearson, 2021.
KOHAVI, R. A Study of Cross-Validation and Bootstrap for Accuracy Estimation and Model Selection. In Proceedings of the 14th International Joint Conference on Artificial Intelligence (pp. 1137-1145). Morgan Kaufmann, 1995.
MELLO, J. A Evasão no Ensino Superior: Causas e Soluções. Rio de Janeiro: Editora FGV, 2020.
MITCHELL, T. M. (1997). Machine Learning. McGraw-Hill, 1997.
NIEROTKA , Rosileia Lucia; SALATA, Andre; MARTINS, Melina Klitzke. Fatores Associados à Evasão no Ensino Superior: Um Estudo Longitudinal. Educação Superior, Profissões, Trabalho, Cad. Pesqui. v.53, p.1-28, 2023. https://doi.org/10.1590/198053149961 DOI: https://doi.org/10.1590/198053149961
PEREIRA, Fernanda Cristina Barbosa. Determinantes da evasão de alunos e os custos ocultos para as instituições de Ensino Superior: uma aplicação na Universidade do Extremo Sul Catarinense. 2003. 172f. Tese (Doutorado em Engenharia de Produção) – Programa de Pós-Graduação em Engenharia de Produção, Universidade Federal de Santa Catarina, Florianópolis, 2003.
QUINLAN, J. R. (1993). C4.5: Programs for Machine Learning. Morgan Kaufmann.
RUSSEL, I.; MARKOV, Z. An Introduction to the Weka Data Mining System, ACM SIGCSE, 2017. DOI: https://doi.org/10.1145/3017680.3017821
TINTO, V. Leaving College: Rethinking the Causes and Cures of Student Attrition. 2nd ed. Chicago: University of Chicago Press, 1993. DOI: https://doi.org/10.7208/chicago/9780226922461.001.0001
UNIVERSIDADE FEDERAL DO CARIRI. Pró-Reitoria de Graduação – PROGRAD. Machine Learning para identificar os fatores que influenciam na evasão dos discentes da UFCA (2009-2023). Publicado em: 16.08.2024. DOI: 5281/zenodo.14050983. Disponível em: https://zenodo.org/records/14050983.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2025 Ivanildo Lopes da Silva, Gilmária Henllen Gondim Gomes, José Marcondes Macêdo Landim, Hidemburgo Gonçalves Rocha, Lindemberg Rocha Freitas, Gislene Farias de Oliveira

Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial 4.0 International License.
Os autores detêm os direitos autorais sem restrições, devendo informar a publicação inicial nesta revista, em caso de nova publicação de algum trabalho.