Sistemática para previsão de desempenho discente balizada por técnicas de regressão

Abstract

O ingresso a universidades no Brasil dá-se principalmente através de uma prova unificada, que demanda dos candidatos aptidão em múltiplas áreas de conhecimento. Visando a melhorar suas chances de entrada, alunos recorrem, com frequência, aos chamados cursos preparatórios, ou pré-vestibulares, como são popularmente conhecidos. Este artigo propõe uma sistemática para previsão de desempenho discente na prova nacional unificada, aplicando ferramentas de regressão e análise multivariada a um banco de dados coletados de uma empresa de educação online de Porto Alegre. Número de aulas assistidas, exercícios resolvidos e simulados submetidos pelos alunos estão entre as variáveis analisadas. Foram testadas três técnicas de regressão para realização das predições: Regressão Linear Múltipla (MLR), Regressão por Componentes Principais (PCR) e Regressão por Mínimos Quadrados Parciais (PLS). Através da análise do erro percentual de predição gerado pelas ferramentas utilizadas em uma validação cruzada, concluiu-se que a MLR possui a melhor capacidade preditiva, com erro percentual médio de 13,04%. Observando as equações construídas pela metodologia, foi possível, ainda, identificar tendências entre as variáveis e o impacto causado por elas no desempenho final dos estudantes.

The entrance to universities in Brazil happens mainly through a unified exam which demands aptitude in multiple fields of knowledge from the applicants. In an attempt to improve their chances, students frequently appeal to the so called preparatory courses, or prep courses, as they are popularly referred to. This article proposes a systematic for student performance prediction in the national unified exam, using regression and multivariate analysis tools over a set of data collected from an online education company based in Porto Alegre. Number of classes attended, exercises solved and simulated tests submitted by students, clients of the company, are among the analyzed variables. Three regression techniques were tested in order to perform the predictions: Multiple Linear Regression (MLR), Principal Component Regression (PCR) and Partial Least Squares Regression (PLS). Through the analysis of the percentage prediction error generated in the application of the tools in a cross validation, the MLR was found to have the best predictive capacity with a mean percentage error of 13,04%. Observing the equations built through the method, it was also possible to identify tendencies among the variables as well as the impact caused by them in the final performance of the students.