Aplicação de redes neurais RBF e MLP na análise de evasão discente do curso de Sistemas de Informação da UFRRJ

Abstract

A evasão escolar é um problema complexo, por reunir diversos fatores que influenciam na decisão do aluno em permanecer ou não no curso. Identificar as características envolvidas neste processo possibilita traçar o perfil dos alunos propensos à evasão para poder tomar medidas eficazes. Segundo a literatura, os cursos na área de Tecnologia da Informação vêm apresentando altos índices de evasão. Não obstante disto, o curso de Sistemas de Informação da UFRRJ vem apresentando índices preocupantes. Dentre os diversos trabalhos encontrados na literatura para predizer a evasão no Ensino Superior do Brasil, a utilização de técnicas computacionais vem despertando interesse dos pesquisadores, precisamente Redes Neurais Artificiais ARTMAP Fuzzy, Funções de Base Radial (RBF) e Redes Bayesianas, que vem mostrando bons resultados na predição de evasão discente em Instituições de Ensino Superior. O objetivo dessa dissertação é propor um sistema inteligente baseado em redes neurais de Perceptron de Múltiplas Camadas (MLP) e Funções de Base Radial (RBF) na análise de evasão discente do curso de Bacharel em Sistemas de Informação da UFRRJ. O conjunto de dados utilizados corresponde a 148 amostras de alunos matriculados no curso. Para tal estudo foi considerado a evasão até o 3º período, onde foram utilizadas as seguintes variáveis: gênero, origem escolar, desempenho nas disciplinas específicas do 1º período, distância, tempo de ingresso entre o Ensino Médio e o Ensino Superior, desempenho no ENEM (Exame Nacional do Ensino Médio), estado civil e situação com relação à evasão. Foram realizadas 100 simulações, sendo selecionadas as 25 melhores. Os resultados obtidos pelas redes RBF e MLP mostram ser promissores na análise de evasão discente do curso. Sendo que a rede RBF apresentou melhor desempenho (acurácia = 91,03%) do que o modelo MLP, com diferença significativa (p valor<0,05) entre os resultados dos modelos