Aprendizagem de máquina, do inglês Machine Learning, é um ramo da Inteligencia Artificial que permite que um sistema aprenda a partir de dados. No nosso contexto, é utilizado para automatizar a análise e a predição de alunos com possibilidade de evasão e reprovação a partir dos dados de uma entidade.
Com muita matemática e estatística! Primeiro, indicamos ao nosso algoritmo o objetivo que ele deve atingir. Neste caso, alunos que reprovaram ao final do ano ou abandonaram a escola durante o ano letivo. Depois, fornecemos 17 variáveis (dados) para que ele possa determinar as características em comum dos alunos nestas situações. As variáveis utilizadas são:
- Idade;
- Gênero;
- Local de nascimento;
- Se possui plano de saúde;
- Se utiliza transporte público;
- Se já reprovou alguma vez;
- Se concluiu a etapa atual;
- Tipo de matrícula;
- Turno;
- Quantidade de faltas dos períodos avaliativos;
- Média das avaliações dos períodos avaliativos.
Como o algoritmo é alimentado com dados, quanto mais fidedignos e atualizados os dados estão, mais assertivo será o perfil indicado pelo algoritmo e mais antecipadamente o município poderá agir para reverter a situação de um aluno em risco de evasão ou reprovação.
São consideradas matrículas da Educação Básica em todos níveis escolares, desde a educação infantil até o ensino médio, tanto no Ensino Regular quanto na Educação de Jovens e Adultos (EJA). Apenas matrículas de anos anteriores são utilizadas nesta etapa.
Nos indicadores de evasão, são consideradas apenas matrículas com a situação:
- Deixou de frequentar;
- Cancelada;
- Reprovada por frequência.
Nos indicadores de reprovação, são consideradas apenas matrículas com a situação:
- Deixou de frequentar;
- Cancelada;
- Reprovada;
- Reprovada por frequência.
A Lei de Diretrizes e Bases da Educação nos diz que a Educação Infantil não possui o objetivo de promover os alunos deste nível escolar, mesmo para o acesso ao Ensino Fundamental. Em outras palavras não existe aprovação ou reprovação.
Sim, é preciso que o município tenha dados de matrículas concluídas nos anos letivos anteriores, e que existam pelo menos 1000 (mil matrículas) com no mínimo 2% de evasão ou reprovação de alunos.
Além disso, para garantir a sua confiabilidade, é necessário o mínimo de 65% de assertividade nos índices de evasão ou reprovação para habilitar o recurso.
Também não são consideradas informações do cadastro de Histórico escolar no algoritmo.
Sim, desde que atenda ao requisitos mínimos.
A partir da ativação do recurso, novas análises são realizadas todos os dias 5 e 20 de cada mês. Com isto, é possível acompanhar com as atualizações dos dados e as ações realizadas, a evolução dos riscos de evasão e reprovação para cada aluno.
Relatório por estabelecimento de ensino: Neste relatório é apresentado uma listagem com os alunos de todo o estabelecimento de ensino do contexto, constando respectivamente o Aluno, Turma, Turno, % risco de evasão e % risco de reprovação.
Relatório por aluno: Neste relatório é apresentado as informações acerca do histórico do aluno selecionado, constando além dos dados pessoais, a Data de aferição, Risco de evasão e Risco de reprovação, além de um gráfico com as informações que foram geradas.
Agora, você deve orientar os professores e coordenadores da rede de ensino que utilizam o sistema Professores para que acompanhem os indicadores que serão exibidos nas funcionalidades de Frequência e Desempenho de alunos. você também precisa fazer um acompanhamento das análises e predições da funcionalidade. Ah! Para possuir uma assertividade com excelência, os professores precisam fazer os registros de frequência e desempenho com assiduidade, deixando os dados em dia e confiáveis.
Não, o recurso pode ser utilizado com autonomia pelos usuários autorizados pela entidade. Contudo, se os usuários apresentarem muitas dúvidas recomendamos um acompanhamento.
