Definição de um modelo de inteligência artificial para a identificação do padrão curricular dos alunos do ICEA.

Abstract

Este trabalho apresenta uma metodologia capaz de identificar o perfil dos alunos do Instituto de Ciências Exatas e Aplicadas (ICEA) em relação ao comportamento curricular com foco no sucesso acadêmico. Através da utilização de técnicas de Artificial Intelligence (AI) e Educational Data Mining (EDM) é possível identificar precocemente os discentes com maior probabilidade de evadir do Instituto. Este problema foi abordado neste trabalho com o desenvolvimento de Modelos de Machine Learning (ML) baseados na Random Forest. Foram desenvolvidos diversos modelos em diferentes cenários de tal modo a atender de forma eficiente o contexto acadêmico do ICEA. Alguns métodos de Feature Selections foram utilizados para compreender as características importantes na tomada de decisão do modelo, de modo a aperfeiçoar o desempenho e os resultados. O cenário que teve o melhor resultado foi o que combinou as variáveis pré e pós universidade, com o método de seleção de características Recursive Feature Elimination (RFE), que atingiu aproximadamente 80% de acurácia. Para compreender os resultados do modelo desenvolvido, foi empregue a visualização das variáveis que tiveram impacto relevante no desenvolvimento do modelo por meio da estratégia Shapley Aditive Explanations (SHAP).