Estudos sobre evasão em diferentes ambientes educacionais e seus relacionamentos com gênero e a diversidade
DOI:
https://doi.org/10.5753/reic.2023.3424Keywords:
Evasão, Análise de dados, Computação, DiversidadeAbstract
A análise de dados educacionais é essencial para entender o contexto acadêmico e apoiar a criação de políticas públicas. Este trabalho apresenta: (1) mapeamento sistemático sobre predição da evasão; (2) questionário para identificar possíveis motivos de evasão; (3) proposta de ferramenta de visualização de dados educacionais; (4) análise da evasão feminina nos cursos de computação em Santa Catarina; (5) panorama da diversidade nos cursos de computação das universidades públicas de Santa Catarina; (6) ferramenta colaborativa para predição de evasão nas disciplinas. Esses estudos são relevantes na área de computação, pois abordam problemas acadêmicos e contribuem para propostas de sistemas de predição e políticas de combate à evasão.
Downloads
Referências
Abbad, G., Carvalho, R. S., and Zerbini, T. (2005). Evasão em curso a distância via internet: explorando variáveis explicativas. Encontro da ANPAD, 29.
Borchardt, G., Santos, M., Frigo, L., and Gasparini, I. (2022). Ferramenta de visualização de dados do censo da educação superior do INEP. In Anais do X Workshop de Computação Aplicada em Governo Eletrônico, pages 227–234, Porto Alegre, RS, Brasil. SBC.
Botella, C., Rueda, S., López-Inesta, E., and Marzal, P. (2019). Gender diversity in stem disciplines: A multiple factor problem. Entropy, 21(1):30.
BRASIL (2011). Decreto nº 12.527, de 18 de novembro de 2011. Diário Oficial da União. https://www.planalto.gov.br/ccivil_03/_ato2011-2014/2011/lei/l12527.htm.
Brasil, N. U. (2023). Os objetivos de desenvolvimento sustentável no brasil. da Silva, P. M., Lima, M. N. C. A., Soares, W. L., Silva, I. R. R., de A. Fagundes, R. A., and de Souza, F. F. (2019). Ensemble regression models applied to dropout in higher education. In 2019 8th Brazilian Conference on Intelligent Systems (BRACIS), pages 120–125.
Davenport, T. H. and Patil, D. (2012). Data scientist. Harvard business review, 90(5):70–76.
Giannakos, M. N., Pappas, I. O., Jaccheri, L., and Sampson, D. G. (2016). Understanding student retention in computer science education: The role of environment, gains, barriers and usefulness. Education and Information Technologies, 22(5):2365–2382.
Macedo, D., Barcelos, R., Bernardini, F., and Viterbo, J. (2020). Uma ferramenta para recomendação de visualização de dados governamentais abertos. In Anais do VIII Workshop de Computação Aplicada em Governo Eletrônico, pages 96–107. SBC.
Maia, M. d. C. and Meirelles, F. d. S. (2005). Tecnologias de informação e comunicação e os índices de evasão nos cursos a distância. In Proceedings of 12th International Congress of Distance Education.
Marx, V. (2013). Data visualization: ambiguity as a fellow traveler. Nature methods, 10(7):613–615.
Montmarquette, C., Mahseredjian, S., and Houle, R. (2001). The determinants of university dropouts: a bivariate probability model with sample selection. Economics of education review, 20(5):475–484.
Mussliner, B. O., de Sousa, M., Mussliner, S., Meza, E. B. M., and Rodríguez, G. L. (2021). O problema da evasão universitária: um desafio à democratização do ensino superior público. Brazilian Journal of Development, 7(4):42738–42758.
Patitsas, E., Craig, M., and Easterbrook, S. (2014). A historical examination of the social factors affecting female participation in computing. In Proceedings of the 2014 conference on Innovation & technology in computer science education, pages 111–116.
Petersen, K., Vakkalanka, S., and Kuzniarz, L. (2015). Guidelines for conducting systematic mapping studies in software engineering: An update. Information and Software Technology, 64:1 – 18.
Santos, M. T. S., Van Vossen, L. P., Vasconcellos, D., Borchardt, G. T., Vaichulonis, G., Frigo, L. B., and Gasparini, I. (2022). Análise da evasão feminina nos cursos de ciência da computação das universidades públicas e presenciais de santa catarina. RENOTE, 20(1):233–242.
Santos, M. T. S., Van Vossen, L. P., Vasconcellos, D. M., Borchardt, G. T., Junior, R. V., da Silveira, E. C., da Silva, M. D., and Gasparini, I. (2023). Panorama da diversidade nos cursos presenciais de computação e tecnologias da informação e comunicação das universidades públicas de Santa Catarina. In Anais do III Simpósio Brasileiro de Educação em Computação, pages 69–78. SBC.
Staehr, L., Martin, M., and Byrne, G. (2001). An intervention programme for women in computing courses: Does it make a difference? In Computers and Networks in the Age of Globalization, pages 23–38. Springer US.
Stratton, L. S., O’Toole, D. M., and Wetzel, J. N. (2008). A multinomial logit model of college stopout and dropout behavior. Economics of education review, 27(3):319–331.
Van Vossen, L. P., Santos, M. T. S., Frigo, L. B., and Gasparini, I. (2023). Dropoutless: plataforma colaborativa de predição de evasão. In Anais do XVIII Simpósio Brasileiro de Sistemas Colaborativos, pages 193–201. SBC.
Downloads
Published
Como Citar
Issue
Section
Licença
Copyright (c) 2023 Os autores
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial 4.0 International License.
