Engenharia do conhecimento aplicada à identificação de fatores psicossociais e emocionais de risco à evasão estudantil

Abstract

A evasão estudantil na pós-graduação stricto sensu constitui um fenômeno complexo, multifatorial e de elevada relevância institucional, associado a impactos na trajetória acadêmica dos estudantes e na gestão universitária. Embora amplamente investigada no âmbito da graduação, a evasão na pós-graduação permanece menos explorada, especialmente no que se refere à identificação precoce de fatores psicossociais e emocionais associados ao risco de abandono. Diante desse cenário, esta pesquisa teve como objetivo estruturar um processo de apoio à identificação de fatores psicossociais e emocionais relacionados ao risco de evasão estudantil, utilizando técnicas da Engenharia do Conhecimento. A pesquisa adota o paradigma da Design Science Research (DSR), com foco na construção de um artefato conceitual multidimensional voltado à organização e interpretação de indicadores subjetivos associados à permanência acadêmica. O estudo utilizou instrumentos psicométricos validados (WHO-5, BRS, USEI e Escala de Intenção de Evasão) aplicados a 64 estudantes de pós-graduação stricto sensu do PPGEGC/UFSC. Os dados coletados foram submetidos a análises estatísticas descritivas e correlacionais. Os resultados demonstraram que baixos níveis de bem-estar psicológico e engajamento acadêmico, associados a níveis reduzidos de resiliência, apresentam relações consistentes com maiores intenções de evasão. Destaca-se o engajamento emocional como principal preditor de intenção de evasão (r = -0,476), enquanto o bem-estar atua de forma indireta e a resiliência como variável moderadora. Como resultado principal, o estudo propõe um Modelo Conceitual Multidimensional de Análise da Evasão, estruturado a partir dos princípios da Engenharia do Conhecimento. O modelo contribui para a ampliação do escopo epistemológico da área ao demonstrar sua aplicabilidade na modelagem de fenômenos psicossociais complexos, oferecendo subsídios para a prevenção da evasão e para o aprimoramento da gestão da permanência estudantil na pós-graduação.

Abstract: Student attrition in stricto sensu graduate programs constitutes a complex, multifactorial phenomenon of high institutional relevance, associated with impacts on students' academic trajectories and university management. Although widely investigated at the undergraduate level, attrition in graduate education remains less explored, particularly with regard to the early identification of psychosocial and emotional factors associated with the risk of dropout. In this context, the present research aimed to structure a support process for the identification of psychosocial and emotional factors related to the risk of student attrition, using techniques from Knowledge Engineering. The study adopts the Design Science Research (DSR) paradigm, focusing on the construction of a multidimensional conceptual artifact aimed at organizing and interpreting subjective indicators associated with academic persistence. Validated psychometric instruments (WHO-5, BRS, USEI, and Dropout Intention Scale) were employed with 64 stricto sensu graduate students from PPGEGC/UFSC. The collected data were subjected to descriptive and correlational statistical analyses. The findings indicate that low levels of psychological well-being and academic engagement, combined with reduced resilience, are consistently related to higher dropout intentions. Emotional engagement stands out as the main predictor of dropout intention (r = -0.476), while well-being acts indirectly and resilience as a moderating variable. As its main outcome, the study proposes a Multidimensional Conceptual Model for Attrition Analysis, structured according to the principles of Knowledge Engineering. The model contributes to broadening the epistemological scope of the field by demonstrating its applicability to the modeling of complex psychosocial phenomena, offering support for dropout prevention and for improving the management of student persistence in graduate education.