Estratégias para o uso de predição de evasão no ensino superior
Plurais - Revista Multidisciplinar, Salvador, v. 9, n. 00, e024019, 2024. e-ISSN: 2177-5060
DOI: https://doi.org/10.29378/plurais.v9i00.18892 18
REFERÊNCIAS
ALBOANEEN, Dabiah et al. Development of a Web-Based Prediction System for Students’
Academic Performance. Data, [S. l.], v. 7, n. 2, p. 21, 29 jan. 2022. MDPI AG.
AL-FAIROUZ, Ebtehal; AL-HAGERY, Mohammed. The most efficient classifiers for the
students’ academic dataset. International Journal of Advanced Computer Science and
Applications, [S. l.], v. 11, n. 9, p. 501–506, 2020.
ANDIFES/ABRUEM/SESu/MEC. Comissão Especial Sobre a Evasão nas Universidades
Públicas Brasileiras. Diplomação, retenção e evasão nos cursos de graduação em
instituições de ensino superior públicas. Brasília, 1996. 152p.
BERENS, Johannes et al. Early Detection of Students at Risk - Predicting Student Dropouts
Using Administrative Student Data from German Universities and Machine Learning
Methods. Zenodo, [S. l.], v. 11, n. 3, p. 1-41, 23 dez. 2019. Zenodo.
FLORES, Vaneza; HERAS, Stella; JULIAN, Vicente. Comparison of Predictive Models with
Balanced Classes Using the SMOTE Method for the Forecast of Student Dropout in Higher
Education. Electronics, [S. l.], v. 11, n. 3, p. 457, 3 fev. 2022. MDPI AG.
GIL, Antonio Carlos. Como elaborar projetos de pesquisa. São Paulo: Atlas, 2002.
GIL, Antonio Carlos. Métodos e técnicas de pesquisa social. 6. ed. São Paulo: Atlas, 2008.
200 p.
HOWLETT, Michael; RAMESH, M.; PERL, Anthony. Política pública: seus ciclos e
subsistemas – uma abordagem integral. São Paulo: Campus, 2013.
OECD. Education at a Glance 2019: OECD Indicators. Education at a Glance. 2019.
OLIVEIRA, T. Escalas de mensuração de atitudes: Thurstone, Osgood, Stapel, Likert,
Guttman, Alpert. Administração On Line, [S. l.], v. 2, n. 2, p. 1-25, 2001.
PALACIOS, Carlos et al. Knowledge Discovery for Higher Education Student Retention
Based on Data Mining: machine learning algorithms and case study in chile. Entropy, [S. l.],
v. 23, n. 4, p. 485, 20 abr. 2021. MDPI AG.
PÉREZ-GUTIÉRREZ, Boris Rainiero. Comparación de técnicas de minería de datos para
identificar indicios de deserción estudiantil, a partir del desempeño académico. Revista Uis
Ingenierías, [S. l.], v. 19, n. 1, p. 193-204, 1 jan. 2020. Universidad Industrial de Santander.
RIBEIRO, Marinalva Lopes. A relação professor-estudante na educação superior. Educação
em Análise, Londrina, v. 5, n. 1, 2020, p. 185-200.
SILVA, Izaqueline et al. Estratégias das Coordenações dos Cursos de Ciências Contábeis para
combater a evasão. Revista Universo Contábil, [S. l.], p. 61-81, fev. 2019.
THORN, James. Random Forest for Feature Importance: learn how to use random forest