Uma Estratégia de Ensemble aplicada sobre Modelos de Predição de Evasão do Ensino Superior com janelas semestrais

Abstract

Resumo Com o aumento no volume de dados gerados pelos sistemas de informação educacionais, a Mineração de Dados se tornou uma abordagem promissora de investigação sobre impor- tantes causas educacionais, como a evasão nos mais diversos níveis de ensino, em especial o ensino superior. Mais de 2,3 milhões de alunos aptos a matricular-se em disciplinas em 2021 abandonaram o ensino superior, de acordo com o censo mais recente da educação superior, resultando em um prejuízo financeiro superior a R$ 23 bilhões. Neste estudo de Mineração de Dados Educacionais (MDE), desenvolvemos modelos de classificação com aprendizado supervisionado e cinco abordagens com métodos Ensembles aplicadas a dados reais coletados de uma Instituição Federal de Ensino Superior. No primeiro cenário, criamos modelos do tipo Bagging utilizando a estratégia de Janelas Semestrais na construção dos conjuntos de dados envolvidos. No segundo cenário, além da abordagem de Janelas Semestrais (Nível Período), criamos conjuntos de dados em outros dois níveis adicionais (Curso e Instituição) e combinamos os modelos gerados (cada um associado a um conjunto de dados de nível distinto) por meio de técnicas de Ensemble Stacking. A combinação das abordagens formando modelos Stacking com as predições dos modelos Bagging resultou em um maior nível de robustez e na maximização dos resultados (mensurados por Acurácia e MCC) mesmo com o uso de um único algoritmo por modelo, ao explorar a diversidade nos diferentes níveis de dados.Abstract With the increasing volume of data generated by educational information systems, Data Mining has become a promising approach to investigate important educational issues, such as dropout rates across various educational levels, particularly in higher education. Over 2.3 million eligible students dropped out of higher education in 2021, according to the latest census on higher education, resulting in a financial loss exceeding R$ 23 billion. In this study of Educational Data Mining (EDM), we developed classification models using supervised learning and five approaches with Ensemble methods applied to real data collected from a Federal Higher Education Institution. In the first scenario, we created Bagging models using the Academic Periods strategy in building the datasets involved. In the second scenario, in addition to the Academic Periods approach (Period Level), we created datasets at two additional levels (Course and Institution) and combined the generated models (each associated with a dataset of a distinct level) through Stacking Ensemble techniques. Combining the approaches to form Stacking models with the predictions of Bagging models resulted in a higher level of robustness and maximization of results (measured by Accuracy and MCC) even with the use of a single algorithm per model, by exploring diversity across different data levels.