MODELAGEM MATEMÁTICA PARA MINIMIZAÇÃO DAS TAXAS DE EVASÃO DE ALUNOS NA CRIAÇÃO DE NOVOS CURSOS: ABORDAGEM VIA ANÁLISE DE REGRESSÃO

Multiple Linear Regression Analysis on Technical Course Data to Predict and Counteract Dropout Trends

Autores

  • Patrick Rogers de Souza Senai Félix Guisard
  • Júlio César Faculdade SENAI Félix Guisard
  • Kátia Richetto UNITAU - Universidade de Taubaté
  • Diego Pimenta Faculdade SENAI Félix Guisard

Resumo

A evasão escolar em cursos Técnicos e Profissionalizantes representa um desafio substancial, causando impactos negativos no desenvolvimento educacional e gerando perdas financeiras para instituições. Apesar de sua relevância, há uma lacuna na literatura sobre abordagens preditivas para combater a evasão. Este trabalho aborda a modelagem matemática e a análise de regressão para compreender e antecipar taxas de evasão em novos cursos. Utilizando regressão linear múltipla em dados de 688 turmas de 2017-2018 de uma escola técnica, identificou-se correlações significativas entre variáveis e evasão, com ênfase no período das aulas como fator crítico. O estudo conclui ressaltando a relevância de considerar o horário das aulas em estratégias de retenção e destaca a aplicação de métodos matemáticos na educação. Como resultado, foi gerada uma fórmula, via Minitab, para prever evasão com precisão, oferecendo uma ferramenta valiosa para instituições educacionais.

Biografia do Autor

Patrick Rogers de Souza, Senai Félix Guisard

Especialista em Lean Manufacturing, padronização e processos de melhoria contínua. Term formação em Engenharia da Qualidade e mais de uma década de experiência como consultor e professor no SENAC e SENAI.

Júlio César, Faculdade SENAI Félix Guisard

Possui Técnico em Mecânica pela Escola Senai Félix Guisard de Taubaté, graduação em Engenharia Mecânica pela Universidade de Taubaté (UNITAU) e Pós-graduado em Engenharia da Qualidade pela Faculdade de Tecnologia SENAI Félix Guisard de Taubaté.

Kátia Richetto, UNITAU - Universidade de Taubaté

Possui graduação em Escola de Engenharia de Lorena (EEL/USP), mestrado em Engenharia Mecânica na Faculdade de Engenharia de Guaratinguetá (UNESP), doutorado em Engenharia de Materiais pela EEL/USP, especialização em Educação a Distância e especialização em Engenharia de Segurança do Trabalho (UNISA). Pós-Doutoranda em Neurociência Aplicada a Educação, cursando Especialização em Engenharia de Segurança do Trabalho. Atualmente é professora assistente doutora da Universidade de Taubaté do Mestrado Profissional em Educação.

Diego Pimenta, Faculdade SENAI Félix Guisard

Pós-doutorado em Estatística Avançada (UNESP). Doutor em Engenharia Mecânica com especialidade em Projeto de Experimentos (UNESP) e Mestre em Engenharia Mecânica (UNESP). Pós- graduado em Engenharia da Qualidade (USP), Projetista de Produto (Bacharelado), Black Belt em Lean Six Sigma e Curso de Extensão em Statistics for Business and Industry no British Columbia Institute of Technology (Vancouver-Canadá).

Downloads

Publicado

15.12.2023

Como Citar

de Souza, P. R., Ribeiro, J. C. P., Richetto, K. C. D. S., & Pimenta, C. D. (2023). MODELAGEM MATEMÁTICA PARA MINIMIZAÇÃO DAS TAXAS DE EVASÃO DE ALUNOS NA CRIAÇÃO DE NOVOS CURSOS: ABORDAGEM VIA ANÁLISE DE REGRESSÃO: Multiple Linear Regression Analysis on Technical Course Data to Predict and Counteract Dropout Trends. Latin American Journal of Business Management, 14(2). Recuperado de https://www.lajbm.com.br/index.php/journal/article/view/752

Edição

v. 14 n. 2 (2023): DOSSIÊ TEMÁTICO - "INTERSEÇÃO: EDUCAÇÃO, GESTÃO E DESENVOLVIMENTO"

Seção

Artigos Científicos

Licença

O Conselho Editorial, bem como as instituições mantenedoras do periódico, não se responsabilizam pelas opiniões, idéias e conceitos emitidos nos textos, por serem de inteira responsabilidade de seu(s) autor(es).

Os autores, uma vez que receberem o aceite de publicação, automaticamente cedem, sem qualquer ônus, os direitos autorais, inclusive tradução, para o Latin American Journal of Business Management. A citação parcial de artigos publicados é autorizada sem restrições desde que seja identificada a fonte.