Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Sócio-Econômico, Programa de Pós-Graduação em Administração, Florianópolis, 2017 / Made available in DSpace on 2017-10-03T04:21:06Z (GMT). No. of bitstreams: 1
347995.pdf: 2288246 bytes, checksum: 6703ea1a9c7a6ea2bb2320083003484d (MD5)
Previous issue date: 2017 / Um dos grandes desafios para a educação em todos os níveis de ensino é garantir a permanência dos alunos até o fim do processo formativo. A diferença entre o número de alunos ingressantes e diplomados pode ser definida como evasão. Integrados a esse cenário encontram-se os cursos de graduação ofertados a distância pela Universidade Federal de Santa Catarina - UFSC, que contabilizaram um total 37.114 matrículas (2005 a 2014), das quais 2.260 resultaram em títulos conferidos no mesmo período. Diante desse cenário, o presente estudo possui como objetivo propor modelos estatísticos preditivos para a gestão da evasão dos cursos de graduação ofertados a distância pela UFSC. Para isso, foi realizada uma pesquisa descritiva, de abordagem quantitativa e natureza aplicada a partir de um estudo de caso nos cursos de graduação a distância de Administração, Administração Pública, Letras Espanhol e Matemática. O levantamento dos dados foi realizado a partir dos sistemas institucionais da Universidade. Com base nos dados levantados, utilizando-se do método de Regressão Logística Binária, foram identificadas as variáveis que influenciam na evasão de cada curso, bem como foram desenvolvidos os modelos estatísticos preditivos com base nessas variáveis. Ao final do estudo, foi possível identificar que as variáveis que são significativas para explicar a evasão nos cursos são: o Índice de Aproveitamento Acumulado IAA (todos os cursos), a pontuação do aluno no vestibular (Administração), o fato do aluno residir ou não na cidade do polo (Administração) e a idade dos estudantes (Letras Espanhol). Quanto ao efeito dessas variáveis no fenômeno estudado, observou-se que, a cada um ponto a mais no IAA, a chance de evasão no curso de Administração é reduzida em aproximadamente dez vezes. Nos demais cursos, com esse aumento no Índice a chance de evasão também é reduzida: quatro vezes no curso de Administração Pública, doze vezes para Letras Espanhol e cinco vezes para Matemática. Ainda, identificou-se que um ponto a mais no vestibular aumenta 86% a chance do aluno evadir; residir na cidade do polo aumenta 131% a chance evasão; e a cada um ano a mais de idade, a chance de evasão aumenta 6,8%. Ao aplicar os dados dos alunos ativos nos cursos aos respectivos modelos, observou-se que 71% dos alunos do curso de Administração e 100% de Matemática possuem probabilidades superiores a 50% de evadir. Já para os cursos de Administração Pública e Letras Espanhol, 57% e 70,3% dos alunos possuem probabilidades de evasão até 50%. / Abstract: One of the major challenges for education at all its levels is to ensure the permanence of students until the end of the training process. The difference between the number of incoming and graduate students can be defined as dropout. In this scenario are the undergraduate e-learning courses from the Universidade Federal de Santa Catarina - UFSC, which accounted for a total of 37.114 (between 2005 and 2014) enrollment, of which 2.260 resulted in degrees achieved in the same period. This study aims to propose predictive statistical models for the drop out management in undergraduate e-learning courses offered by UFSC. A descriptive research was carried out, with a quantitative approach and applied nature, based on a case study of e-learning courses in Business, Public Administration, Spanish Language and Literature and Mathematics. The data collection was carried out from the institutional systems of the University. Based on the data collected, using the Binary Logistic Regression method, it was identified the variables that influence the drop out of each course, as well as the statistical predictive models were developed based on these variables. At the end of the study, it was possible to identify that the significant variables to explain drop out in the courses are: Performance index - IAA (all courses), student's score in the university entrance examination (Business), residing or not in the city where the support polo is located (Business) and the age of the students (Spanish Language and Literature). Regarding the effect of these variables on the phenomenon studied, it was observed that, at each point in the IAA, the chance of drop out in the course of Business is reduced approximately ten times. In other courses, with the same increase in the Index, the chance of avoidance is also reduced: four times in the Public Administration course, twelve times for Spanish Language and Literature and five times for Mathematics. Also, it was identified that an additional point in the entrance examination increases the student's odds to evade by 86%; Residing in the city where the support the polo is located increases 131% the odds to drop out; And for each one year of age, the odds of evasion increases by 6,8%. Applying the data of the active students in the respective models developed, it was observed that 71% of the students of the course in Business and 100% of Mathematics have probabilities of drop out higher than 50%. About the courses of Public Administration and Spanish Language and Literature, 57% and 70,3% of the students have probability of drop out up to 50%.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufsc.br:123456789/179913 |
| Date | January 2017 |
| Creators | Silva, Fernanda da |
| Contributors | Universidade Federal de Santa Catarina, Pacheco, Andressa Sasaki Vasques |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | 137 p.| il., grafs., tabs. |
| Source | reponame:Repositório Institucional da UFSC, instname:Universidade Federal de Santa Catarina, instacron:UFSC |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0025 seconds