Análise da evasão escolar no Brasil com aprendizagem de máquina: evidências a partir de dimensões regionais, institucionais e da renda média
DOI:
https://doi.org/10.47734/regrasp.v11.01.p225-252Keywords:
evasão escolar, aprendizado de máquina, análise estatística, fatores socioeconômicos, previsão educacionalAbstract
O presente trabalho tem como objetivo caracterizar o abandono escolar no Brasil a partir da aplicação de técnicas estatísticas e modelos de aprendizado de máquina, considerando fatores regionais, socioeconômicos e institucionais. Para isso, foi utilizada uma base de dados do INEP referente ao período de 2013 a 2023, segmentada por tipo de escola (pública ou privada), nível de ensino (fundamental ou médio), unidade geográfica e renda média familiar. A análise descritiva revelou padrões distintos entre os grupos educacionais, com maiores taxas de abandono concentradas no ensino médio da rede pública. Foram aplicados testes estatísticos para verificar normalidade, homocedasticidade e diferenças entre os grupos, além da regressão linear simples para identificar tendências por região. Na etapa preditiva, diversos algoritmos de machine learning foram testados (Random Forest, XGBoost, Gradient Boosting, Regressão Linear, SVM, KNN e ANN), sendo o Random Forest o modelo com melhor desempenho preditivo (MAE = 0,69; R² = 0,86). A análise evidenciou que variáveis como renda média e tipo de escola influenciam significativamente a evasão escolar, destacando a importância de políticas públicas focadas na redução da desigualdade educacional.
References
Araújo, C. L., Santos, Q. P., Ribeiro, H. M. L., Freitas, E. B. N., & Coutinho, D. J. G. (2025). Evasão escolar: causas e impactos da evasão escolar no Brasil e no mundo. Revista Ibero-Americana de Humanidades, Ciências e Educação, 11(1), 1945–1965. https://doi.org/10.51891/rease.v11i1.17879.
Barbosa, P. K. (2021). O impacto da evasão escolar no mercado de trabalho informal brasileiro e as consequências da pandemia (Dissertação de mestrado). Insper. https://repositorio.insper.edu.br/server/api/core/bitstreams/b4eb3525-7d03-4831-a27e-1a70b231930e/content.
Baggi, C. A. S., & Lopes, D. A. (2011). Evasão e avaliação institucional no ensino superior: Uma discussão bibliográfica. Avaliação: Revista da Avaliação da Educação Superior, 16(2), 355–374. https://doi.org/10.1590/s1414-40772011000200007.
Bowers, A. J., Sprott, R., & Taff, S. A. (2013). Do we know who will drop out? Review of Educational Research, 83(2), 205–235.
Bruce, P. (2019). Estatística prática para cientistas de dados: 50 conceitos essenciais. Alta Books.
Camargos, R. C., & Silveira, I. F. (2024). Técnicas de aprendizado de máquina interpretáveis na predição de evasão escolar: Uma revisão. RISTI - Revista Ibérica de Sistemas e Tecnologias de Informação, 65, 636–647. https://media.proquest.com/media/hms/PFT/1/NTucX?_s=QMIRdKAkhMzcJffjFdGCDPWtt2A%3D.
Escovedo, T. (2022). Introdução à data science: Algoritmos de machine learning e métodos de análise. Casa do Código.
Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. (2020). Política e plano de dados abertos do INEP. https://download.inep.gov.br/publicacoes/institucionais/gestao_e_governanca/politica_e_plano_de_dados_abertos.pdf.
Jesus, H. O., Rodriguez, L. C., & Costa Junior, A. O. (2021). Predição de evasão escolar na licenciatura em computação. Revista Brasileira de Informática na Educação, 29, 255–272. https://doi.org/10.5753/rbie.2021.29.0.255.
Lopes Filho, J. A. B. (2021). Detecção de estudantes em risco de evasão escolar usando aprendizagem de máquina (Tese de doutorado). Universidade Presbiteriana Mackenzie. https://adelpha-api.mackenzie.br/server/api/core/bitstreams/178b32ac-cd0a-44e3-9804-87566f733e15/content.
Moore, D. S. (2023). A estatística básica e sua prática (9ª ed.). LTC.
Ramos, A. C., & Gonçalves Junior, O. (2024). Abandono e evasão escolar sob a ótica dos sujeitos envolvidos. Educação e Pesquisa, 50(1), 41–54. https://doi.org/10.1590/s1678-4634202450268037.
Rosa, M. C., Silva, P. R. S., & Novaes, H. V. B. (2023). Evasão escolar: O impacto. Libertas, 13, 1–20. https://www.periodicos.famig.edu.br/index.php/libertas/article/view/377/287.
Rumberger, R. W. (2011). Dropping out: Why students drop out of high school and what can be done about it. Harvard University Press.
Rumberger, R. W., & Lim, S. A. (2008). Why students drop out of school: A review of 25 years of research. California Dropout Research Project Report.
Santos, J. A. (2020). Reflexões sobre a evasão escolar: Uma problemática na educação brasileira. Revista Teias, 2(1), 132–145. https://doi.org/10.12957/teias.2020.41951.
Sousa, C. R. O., Gomes, K. R. O., Silva, K. C. O., Mascarenhas, M. D. M., Rodrigues, M. T. P., Andrade, J. X., & Leal, M. A. B. F. (2018). Fatores preditores da evasão escolar entre adolescentes com experiência de gravidez. Cadernos Saúde Coletiva, 26(2), 160–169. https://doi.org/10.1590/1414-462x201800020461.
Teodoro, L. A., & Kappel, M. A. A. (2020). Aplicação de técnicas de aprendizado de máquina para predição de risco de evasão escolar em instituições públicas de ensino superior no Brasil. Revista Brasileira de Informática na Educação, 28, 838–863. https://doi.org/10.5753/rbie.2020.28.0.838.
Tinto, V. (1975). Dropout from higher education: A theoretical synthesis. Review of Educational Research, 45(1), 89–125.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Laura Laura Rabelo de Carvalho Ferreira, Glauber da Rocha Balthazar, Alexandre Beletti Ferreira
This work is licensed under a Creative Commons Attribution 4.0 International License.
All works published in REGRASP are licensed under Creative Commons Attribution 4.0 International (CC BY 4.0).
This means that:
Anyone can copy, distribute, display, adapt, remix, and even commercially use the content published in the journal;
Provided that due credit is given to the authors and to REGRASP as the original source;
No additional permission is required for reuse, as long as the license terms are respected.
This policy complies with the principles of open access, promoting the broad dissemination of scientific knowledge.
