O que leva um aluno a deixar a universidade? A pergunta é o mote da dissertação de mestrado Predictive Models for University Dropout at UNIRIO (“Modelos preditivos de evasão universitária na UNIRIO”), defendida no início deste ano, no Programa de Pós-Graduação em Informática (PPGI). A pesquisa aponta o baixo desempenho acadêmico como principal indicativo de evasão nos cursos do Centro de Ciências Exatas e Tecnologia (CCET) da UNIRIO.

Para chegar a essa conclusão, o autor do estudo, Henrique Soares Rodrigues, treinou o algoritmo de inteligência artificial Gradient Boosting para realizar o cruzamento de dados acadêmicos e laborais dos alunos. “Inserimos informações sobre empregabilidade, empreendedorismo e recebimento de bolsas da Universidade”, destaca.

A intenção era verificar se alunos que estudam e trabalham estariam em maior risco de evadir, e qual seria o papel das bolsas nessa equação. Os dados foram retirados da Relação Anual de Informações Sociais (RAIS), produzida pelo Ministério do Trabalho, de relatórios da Receita Federal e de registros dos alunos no Sistema de Informações para o Ensino (SIE), utilizado na UNIRIO.

Na comparação do desempenho entre discentes, não foi observada diferença significativamente relevante entre aqueles que se dedicavam exclusivamente aos estudos e os que conciliavam faculdade com emprego em período integral – realidade comum em cursos com atividades noturnas, como os presenciais do CCET, analisados na pesquisa. Já os discentes que administravam suas próprias empresas apresentaram coeficiente de rendimento acadêmico (CR) mais alto que os demais.

Caminho árduo

O CCET reúne cursos historicamente afetados por altas taxas de evasão. Segundo a pesquisa, entre 2013 e 2023, a porcentagem de alunos desistentes foi de 73% no Bacharelado em Sistemas de Informação (BSI), 67% em Engenharia de Produção e 86% em Matemática. “Quando me formei, havia eu e mais quatro alunos”, revela o autor, também egresso do BSI.

Segundo o estudo, a grade curricular dos dois primeiros anos dessas graduações contém componentes particularmente desafiadores – como Programação, Cálculo e Lógica –, responsáveis pela queda no rendimento acadêmico associada ao abandono do curso. “A questão da falta de base em matemática é flagrante na evasão”, ressalta o recém-mestre.

Ao contrário do que poderia supor o senso comum, não foi observada relação entre atividades laborais e taxa de abandono. Já quanto ao gênero, a evasão feminina é ligeiramente mais baixa que a masculina – respectivamente, 44.19% e 50.66%, no caso específico do BSI, explorado na dissertação. Por outro lado, as mulheres representam apenas 20% dos ingressantes no curso.

Em relação à política de cotas, a pesquisa identificou que, no BSI, a taxa de evasão é cerca de 20% maior entre estudantes cotistas, na comparação com não cotistas. Nesse cenário, os dados apontam as bolsas como fator de estímulo à retenção, independentemente da modalidade de ingresso: 65.90% dos estudantes que concluíram um curso no CCET eram bolsistas.

Incentivo à permanência

O sistema desenvolvido permite a inserção dos dados do aluno em uma plataforma de inteligência artificial, que irá determinar a probabilidade de evasão desse estudante. “Por tratar-se de informação sensível, pretendemos oferecer um treinamento para ensinar os coordenadores de curso a utilizar essa ferramenta”, revela a orientadora do trabalho, Laura Moraes. Para ela, haveria o perigo de que um docente não treinado interpretasse o alto risco de evasão como uma espécie de profecia autorrealizável. “O professor poderia pensar: ‘esse aluno não tem mais jeito, vou abandoná-lo de vez’”, alerta.

Em vez disso, Laura sugere o uso do sistema como dispositivo auxiliar para a implementação de medidas de retenção universitária, especialmente nos dois primeiros anos de curso, quando a desistência é maior. “Se houver investimento de esforço, que seja nessa permanência inicial, pois o aluno que já ultrapassou essa barreira tem mais tendência a ficar”, ressalta. Além de oferecer o treinamento para professores, ela planeja, ainda, ampliar o modelo desenvolvido, possibilitando o uso da ferramenta em outros cursos e instituições, por meio de bolsas de iniciação científica e trabalhos de conclusão de curso.

A pesquisa já originou dois artigos. O primeiro deles, Artificial Intelligence Algorithms to Predict College Students’ Dropout: A Systematic Mapping Study (“Algoritmos de inteligência artificial para prever a evasão de estudantes universitários: um estudo de mapeamento sistemático”), foi apresentado ano passado, no Congresso Internacional de Agentes de Inteligência Artificial, em Roma.

Já o segundo, Predicting Student Dropout on the Information Systems Undergraduate Program of UNIRIO Using Decision Trees (“Prevendo a evasão estudantil no Bacharelado de Sistemas de Informação da UNIRIO, com o uso de ‘Árvores de decisão’”), foi apresentado no Congresso da Sociedade Brasileira de Computação, em Brasília, também em 2024.

Sistema calcula probabilidade de evasão a partir de informações sobre o aluno (Imagem: Divulgação)

 (Gabriella Praça - UNIRIO/Comso)