Análise da evasão escolar no ensino técnico federal brasileiro utilizando modelos de aprendizado de máquina

Resumo

A evasão escolar no ensino técnico continua sendo um obstáculo crítico para o desenvolvimento educacional e socioeconômico no Brasil. Este trabalho apresenta uma análise detalhada dos fatores que influenciam a evasão escolar em instituições técnicas federais, utilizando aprendizado de máquina para modelagem preditiva. O estudo abrange um conjunto robusto de dados com 769.717 registros de matrículas, incorporando informações sobre características pessoais e demográficas dos estudantes, indicadores institucionais e condições socioeconômicas. Modelos baseados em árvores, como XGBoost, CatBoost e LightGBM, foram empregados, com otimização de hiperparâmetros realizada por meio do Optuna. Para o tratamento das variáveis categóricas, utilizou-se o One-Hot Encoding, que demonstrou compatibilidade com as técnicas de validação cruzada adotadas para garantir a generalização dos modelos. O Gradient Boosting (XGBoost) destacou-se com a melhor AUC (85,91%), indicando maior capacidade discriminativa, enquanto o CatBoost apresentou desempenho competitivo, especialmente em métricas como precisão e acurácia, evidenciando sua adequação para análises focadas em variáveis individuais. A análise da importância das variáveis revelou que fatores institucionais, como a instituição específica, carga horária e o código da unidade, foram os principais preditores de evasão. Variáveis relacionadas aos estudantes, como idade e renda familiar, também tiveram relevância significativa. Alunos provenientes de contextos socioeconômicos adversos, ou que não declararam informações sensíveis como renda ou cor/raça, apresentaram taxas de evasão mais elevadas, sugerindo desigualdades estruturais e barreiras de acesso. Os achados deste estudo sugerem diferentes aplicações práticas: o modelo CatBoost é recomendado para intervenções personalizadas voltadas a características individuais dos estudantes, enquanto o XGBoost é mais indicado para análises estratégicas em nível institucional. Além disso, os resultados ressaltam a necessidade de políticas públicas que combinem estratégias institucionais e de assistência socioeconômica, a fim de mitigar as taxas de evasão escolar no ensino técnico.

Ficha do documento

Tipo

Dissertação

Ano

2024

Instituição

Fundação Getulio Vargas

Fonte

Repositório da FGV

Idioma

Português

Acesso

Acesso aberto

Identificador

oai:repositorio.fgv.br:10438/36747

Temas

Políticas PúblicasModelagem EconômicaAdministração PúblicaDadosEducação

Palavras-chave

Evasão EscolarEnsino TécnicoAprendizado de MáquinaOptunaVariáveis SocioeconômicasValidação CruzadaXGBoostCatBoostLightGBMSchool DropoutTechnical EducationMachine LearningSocioeconomic VariablesCross-ValidationAdministração públicaAprendizado do computadorEducação - Condições sociaisÁrvores de decisão