O abandono da vida acadêmica pode se dar por diversos motivos, como a retenção ou reprovação. Este é um dos problemas mais complexos e cruciais na educação, causando prejuízos sociais, econômicos, políticos, acadêmicos e financeiros. Tais prejuízos podem ser eliminados se for possível impedir a evasão dos alunos por meio da intervenção precoce por parte das instituições de ensino. Uma das diversas aplicações da Inteligência Artificial é a predição de acontecimentos com base na probabilidade estatística da ocorrência de determinados eventos pela filtragem de dados brutos coletados. Este trabalho propõe o uso de Redes Neurais Artificiais para a predição de risco de retenção acadêmica baseando-se em dados reais de desempenho de alunos de graduação em nível superior. Para esse fim, serão estudados os desempenhos dos alunos de um curso de graduação de uma faculdade localizada em Londrina, Paraná, buscando atingir eficácia acima do nível de 80% nas previsões, quando comparadas aos dados reais.
Dropping out of academic life can occur for several reasons, such as retention or failure. This is one of the most complex and crucial problems in education, causing social, economic, political, academic and financial losses. Such losses can be eliminated if it is possible to prevent student dropout through early intervention by educational institutions. One of the many applications of Artificial Intelligence is the prediction of events based on the statistical probability of the occurrence of certain events by filtering collected raw data. This work proposes the use of Artificial Neural Networks to predict the risk of academic retention based on real data on the performance of undergraduate students at a higher education level. To this end, the performance of students in an undergraduate course at a college located in Londrina, Paraná, will be studied, seeking to achieve efficiency above 80% in predictions, when compared to real data.
