Análise comparativa de modelos de aprendizagem automática para a previsão da permanência de estudantes de graduação presenciais na UFMT

Abstract

Este estudo visa comparar modelos de regressão logística, árvores de decisão e redes neurais na classificação da permanência dos estudantes nos cursos presenciais da UFMT. Foram analisados dados das matrículas de estudantes que iniciaram a graduação presencial nos anos de 2016, 2017 e 2018, nos cinco campi da universidade. Os resultados indicam desempenhos semelhantes entre os modelos, com a regressão logística apresentando maior acurácia e sensibilidade. Além disso, a regressão logística demonstrou maior flexibilidade na definição de um limiar para a classificação dos estudantes. Essas informações podem subsidiar políticas de ingresso e permanência na UFMT, visando a melhoria do ensino, permanência e conclusão dos estudantes.