EUVIMEDEUVIMED entdecken
Open Access · CC BY-NC-SA 4.0

FATORES DETERMINANTES DA EVASÃO NO ENSINO SUPERIOR: UMA ANÁLISE SISTEMÁTICA COM FOCO EM ABORDAGENS DE MACHINE LEARNING

ADRIANO VINGI, ALINE ROEPKE LOSS CORREIA, ANDRE LUIS TONANI DE OLIVEIRA, CARLA BEATRIZ CARRIJO ABREU, DEBORA PASCOAL BOMFIM LOUBAQUI, EDNA FRANSKOVIAKI LIMA, FLAVIA SIQUEIRA PACHECO, GILMAIKON PEREIRA ROELA, GUILHERME MORAES PESENTE, JOSE HELIO DE ASSIS

REVISTA MULTIDISCIPLINAR INTEGRADA - REMI · 29.04.2026 · 2 (07) · 1-16

DOI: 10.61164/h57jjt34 ↗

Kurz gefasst

Fachartikel in der Zeitschrift REVISTA MULTIDISCIPLINAR INTEGRADA - REMI, online erschienen am 29.04.2026. Verfasst von ADRIANO VINGI und 9 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-SA 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

A evasão no ensino superior representa um desafio global significativo, impactando negativamente estudantes, instituições e a sociedade. Este estudo aborda a complexidade do fenômeno, explorando os fatores determinantes e o papel crescente das abordagens de machine learning na sua predição e mitigação. Realizamos uma revisão sistemática da literatura, abrangendo bases de dados como SciELO, Web of Science e ScienceDirect, com foco em artigos publicados entre 2016 e 2026, que empregam machine learning para analisar a evasão. Os achados principais revelam que fatores socioeconômicos, acadêmicos e institucionais são consistentemente identificados como preditores críticos. Modelos de machine learning, como árvores de decisão, redes neurais e SVMs, demonstram alta acurácia na identificação precoce de estudantes em risco. No entanto, a heterogeneidade dos datasets e a falta de padronização nas métricas de avaliação ainda representam desafios. Conclui-se que a integração de machine learning oferece um potencial robusto para desenvolver sistemas de alerta precoce e intervenções personalizadas, contribuindo para a retenção estudantil e o sucesso acadêmico, mas exige maior colaboração e compartilhamento de dados entre instituições.

Zitieren

APA

VINGI, A., CORREIA, A. R. L., OLIVEIRA, A. L. T. D., ABREU, C. B. C., LOUBAQUI, D. P. B., LIMA, E. F., PACHECO, F. S., ROELA, G. P., PESENTE, G. M., & ASSIS, J. H. D. (2026). FATORES DETERMINANTES DA EVASÃO NO ENSINO SUPERIOR: UMA ANÁLISE SISTEMÁTICA COM FOCO EM ABORDAGENS DE MACHINE LEARNING. REVISTA MULTIDISCIPLINAR INTEGRADA - REMI, 2(07), 1-16. https://doi.org/10.61164/h57jjt34

Vancouver

VINGI A, CORREIA ARL, OLIVEIRA ALTD, ABREU CBC, LOUBAQUI DPB, LIMA EF, et al. FATORES DETERMINANTES DA EVASÃO NO ENSINO SUPERIOR: UMA ANÁLISE SISTEMÁTICA COM FOCO EM ABORDAGENS DE MACHINE LEARNING. REVISTA MULTIDISCIPLINAR INTEGRADA - REMI. 2026;2(07):1-16. doi:10.61164/h57jjt34

BibTeX
@article{VINGI2026,
  author = {VINGI, ADRIANO and CORREIA, ALINE ROEPKE LOSS and OLIVEIRA, ANDRE LUIS TONANI DE and ABREU, CARLA BEATRIZ CARRIJO and LOUBAQUI, DEBORA PASCOAL BOMFIM and LIMA, EDNA FRANSKOVIAKI and PACHECO, FLAVIA SIQUEIRA and ROELA, GILMAIKON PEREIRA and PESENTE, GUILHERME MORAES and ASSIS, JOSE HELIO DE},
  title = {FATORES DETERMINANTES DA EVASÃO NO ENSINO SUPERIOR: UMA ANÁLISE SISTEMÁTICA COM FOCO EM ABORDAGENS DE MACHINE LEARNING},
  journal = {REVISTA MULTIDISCIPLINAR INTEGRADA - REMI},
  year = {2026},
  volume = {2},
  number = {07},
  pages = {1--16},
  doi = {10.61164/h57jjt34}
}
Kostenlos starten →