A evasão escolar está presente nos diversos níveis e modalidades de ensino e proporciona a todos os envolvidos no processo educacional prejuízos sociais, econômicos, políticos e acadêmicos. Logo, o desenvolvimento de métodos de previsão, identificação e avaliação de estudantes com risco de evasão torna-se essencial para reduzir os altos índices de abandono. Nesse contexto, este trabalho objetiva apresentar as técnicas de Redes Neurais Artificiais (RNA) como ferramenta para identificar os padrões e os estudantes em um processo de evasão. O sistema foi desenvolvido utilizando uma RNA Multicamadas Perceptron (MLP) e o algoritmo Levenberg-Marquardt utilizando o processo de aprendizagem através de uma base de dados. Foi aplicado esse sistema no curso Técnico em Eletrotécnica do Instituto Federal do Triângulo Mineiro – Campus Ituiutaba. Após a criação do banco de dados por meio de um questionário aplicado aos ex-alunos do curso entre 2011 e 2015, foram realizadas simulações e os resultados mostraram que a RNA implantada obteve 94% de acertos para a fase de treinamento e 100% de acertos para a fase de teste, evidenciando a efetividade do sistema. Foi possível também aplicar a técnica para os alunos ingressantes em 2018 e identificar alunos propensos à evasão escolar.
School evasion is present in various levels and modality of the education and provides to all involved in the educational process social, economic, political and academic losses. Therefore, the development of methods for prediction, identification and evolution of the students at risk is essential to reduce the high evasion rates. In this context, this article aims to present the techniques of Artificial Neural Networks (ANN) as a tool to identify patterns and students in an evasion process. The system was developed using a Multilayer Perceptron (MLP) and the Levenberg-Marquardt algorithm with the learning process through a database. It was applied in the electrotechnical course of the Federal Institute of the Triângulo Mineiro - Campus Ituiutaba. After the creation of the database through a questionnaire applied to the students that enrolled in the course between 2011 and 2015, simulations were performed and the results showed that the implanted ANN obtained 94% accuracy for the training phase and 100% accuracy for testing, demonstrating the effectiveness of the system. It was also possible to apply the technique to incoming students in 2018 and identify students who are prone to school evasion.
