Resumo O objetivo principal deste artigo é contribuir com a avaliação mais recente de que a inteligência artificial pode auxiliar no levantamento, integração e acompanhamento de dados e indicadores de cursos de graduação, tais como evasão e retenção. O seu ponto de partida é a compreensão de que o fenômeno da evasão não é mera decisão individual do estudante, mas ocorre em um contexto acadêmico, pessoal e profissional deste estudante que evade. Ademais, a retenção é um indicador que acompanha a evolução do fenômeno da evasão. Dessa forma, a metodologia consiste em descrever o desenvolvimento de uma ferramenta de banco de dados interativa, ou seja, é, de análise e observação de dados e indicadores de um curso de graduação de uma universidade federal pública. Dentre os principais resultados, destaca-se que, apesar da aparente facilidade em construir uma ferramenta como essa, seu êxito quanto ao enfrentamento da evasão e da retenção requer uma política institucional adotada pela universidade. levantamento acadêmico evade Ademais forma interativa seja pública resultados destacase destaca se essa
Abstract The main aim of this article is to contribute to the latest assessment that artificial intelligence can help in the collection, integration and monitoring of data and indicators for undergraduate courses, such as dropout and retention. Its starting point is the understanding that the phenomenon of dropout is not merely an individual student's decision, but takes place in the academic, personal and professional context of the student who drops out. Furthermore, retention is an indicator that can serve as a predictor of the dropout phenomenon. In this way, the methodology consists of describing the development of an interactive database tool, i.e. for analyzing data and observing data and indicators from an undergraduate course at a public federal university. Among the main results, it should be noted that although it seems easy to build a tool like this, its success in tackling dropout and retention requires an institutional policy adopted by the university. collection courses students s decision academic out Furthermore way ie i e i.e university results
Resumen El objetivo principal de este artículo es contribuir a la última valoración de que la inteligencia artificial puede ayudar en la recogida, integración y seguimiento de datos e indicadores de los programas de grado, como el abandono y la retención. Su punto de partida es la constatación de que el fenómeno del abandono no es una mera decisión individual del estudiante, sino que tiene lugar en el contexto académico, personal y profesional del estudiante que abandona. Además, la retención es un indicador que puede servir para predecir el fenómeno del abandono. De esta forma, la metodología consiste en describir el desarrollo de una herramienta de base de datos interactiva, es decir, de análisis de datos y observación de datos e indicadores de un curso de grado de una universidad pública federal. Entre los principales resultados, cabe destacar que, aunque parezca fácil construir una herramienta de este tipo, su éxito en la lucha contra el abandono y la retención requiere una política institucional adoptada por la universidad. recogida académico abandona Además forma interactiva decir federal resultados tipo