Já disponível para presidentes das comissões, coordenadores de curso e serviços de graduação, a nova ferramenta é o primeiro produto da Superintendência de Tecnologia da Informação a utilizar a inteligência artificial

Erika Yamamoto
Jornal da USP

Com o objetivo de compreender os diversos fatores que aumentam a possibilidade de um aluno não concluir o curso de graduação e atuar preventivamente nesses casos, a Pró-Reitoria de Graduação (PRG) solicitou à Superintendência de Tecnologia de Informação (STI) o desenvolvimento de uma funcionalidade que identifica essa probabilidade.

O resultado foi a criação de uma Ferramenta de Predição da Não Conclusão do Curso de Graduação da USP que utiliza dados do Sistema JúpiterWeb para calcular a probabilidade de um aluno não terminar o curso no prazo permitido, ou seja, de 1,5 vez o prazo ideal de duração do curso.

A nova funcionalidade permite aos coordenadores de curso monitorarem o progresso acadêmico dos estudantes, identificando estudantes com baixa probabilidade de conclusão, e priorizá-los em programas de tutoria, monitoria ou apoio psicopedagógico. Também poderão revisar práticas pedagógicas e estruturas curriculares que estejam associadas a altos índices de evasão, planejar estratégias de acompanhamento personalizado e apoiar decisões administrativas como flexibilização de horários, trancamentos e reingressos. Dessa forma, a ferramenta contribui para melhorar os indicadores de desempenho da graduação, especialmente as taxas de conclusão e tempo médio de curso.

“Esse é um instrumento inovador e de alta precisão, capaz de apoiar a gestão da graduação com base em evidências. A ferramenta oferece análises confiáveis sobre o risco de não conclusão dos estudantes, permitindo ações preventivas e políticas de acompanhamento mais eficazes. É um importante avanço na qualificação do acompanhamento acadêmico e na promoção da permanência estudantil na USP”, explicou o pró-reitor adjunto de Graduação, Marcos Neira.

A ferramenta também possibilita análises comparativas entre áreas – biológicas, humanas e exatas – e entre cursos, identificando vulnerabilidades estruturais em cada contexto.

A nova funcionalidade foi apresentada aos dirigentes na reunião do Conselho de Graduação que aconteceu nesta quinta-feira, dia 16 de outubro.

Modelo de Predição

O processo de desenvolvimento da ferramenta de Predição da Não Conclusão do Curso de Graduação representou um desafio para a equipe da STI, que contou com a utilização de modelos de aprendizagem computacional para gerar um modelo preditivo, com base nos dados dos alunos de todos os cursos dos últimos 12 anos.

“Com a disponibilização dessa ferramenta, marcamos um momento historicamente relevante das contribuições da STI para a comunidade USP, que é a utilização de aprendizado de máquina associado a uma engenharia para grandes volumes de dados para gerar uma ferramenta pragmática e de grande impacto para a melhoria da qualidade da gestão acadêmica da graduação”, ressalta o superintendente de Tecnologia da Informação, João Eduardo Ferreira.

A equipe da STI especializada no Sistema Júpiter trabalhou por cerca de dez meses no desenvolvimento da ferramenta, com estudos e implementações de técnicas de aprendizado de máquina associados a engenharia de dados.

Como informação de entrada foram utilizados os dados dos registros anuais dos alunos como notas, frequências, trancamentos, sexo, curso, idade de ingresso, período, área do curso, tempo de permanência na graduação.

Os modelos foram avaliados, comparados e tiveram o desempenho validados pela técnica K-Fold Cross-Validation até a escolha da versão final, que é um modelo capaz de gerar um indicador probabilístico de não conclusão, com assertividade de cerca de 90%.

A ferramenta já está disponível para presidentes das Comissões de Graduação, coordenadores de curso e serviços de Graduação de todas as unidades da USP, que deverão avaliar os indicadores de probabilidade gerados pelo modelo. As próximas etapas para o aprimoramento da ferramenta devem incluir a incorporação de variáveis socioeconômicas e a ampliação das análises de correlação dos parâmetros.

Como próxima novidade, Ferreira revela que a STI está trabalhando em uma ferramenta que permitirá a recuperação inteligente de resoluções, portarias, regimentos e legislações utilizadas cotidianamente na Universidade.