Use este identificador para citar ou linkar para este item:
http://www.monografias.ufop.br/handle/35400000/7651| Title: | Modelo de detecção de risco de evasão nos programas de pós-graduação da UFOP. |
| Authors: | Morais, Tiago Alves de |
| metadata.dc.contributor.advisor: | Martins, Helgem de Souza Ribeiro Duarte, Anderson Ribeiro |
| metadata.dc.contributor.referee: | Martins, Helgem de Souza Ribeiro Duarte, Anderson Ribeiro Barbosa, Josino José Pereira, Tiago Martins |
| Keywords: | Educação - estatística Aprendizado do computador Evasão universitária Controle preditivo Modelos logísticos |
| Issue Date: | 2025 |
| Citation: | MORAIS, Tiago Alves de. Modelo de detecção de risco de evasão nos programas de pós-graduação da UFOP. 2025. 23 f. Monografia (Graduação em Estatística) - Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto, Ouro Preto, 2025. |
| Abstract: | Nas últimas duas décadas, a pós-graduação no Brasil, inclusive a Universidade Federal de Ouro Preto (UFOP), testemunhou um crescimento notável. Na UFOP, o número de programas e cursos de pós-graduação mais do que dobrou nos últimos 10 anos. Esse aumento em programas também trouxe desafios administrativos e acadêmicos, como um aumento na taxa de evasão de estudantes. Este estudo tem como objetivo analisar o comportamento da evasão de alunos de pós-graduação na UFOP, por meio de modelos de machine learning para prever o risco de evasão no momento da matrícula. A intenção é fornecer insights que permitam a adoção de medidas para reduzir a evasão. |
| metadata.dc.description.abstracten: | Over the past two decades, graduate education in Brazil, including at the Federal University of Ouro Preto (UFOP), has experienced significant growth. At UFOP, the number of graduate programs and courses has more than doubled in the last 10 years. However, this expansion has introduced administrative and academic challenges, such as an increase in graduate student dropout rates. This research project aims to analyze the dropout behavior of graduate students at UFOP by employing machine learning models to predict dropout risk at the time of enrollment. The objective is to provide actionable insights that enable the implementation of targeted measures to mitigate dropout rates. |
| URI: | http://www.monografias.ufop.br/handle/35400000/7651 |
| Appears in Collections: | Estatística |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| MONOGRAFIA_ModeloDetecçãoRisco.pdf | 1,46 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.