|
Abstract:
|
A evasão estudantil constitui um desafio relevante no ensino superior, especialmente em cursos e disciplinas que apresentam elevada complexidade e exigem adaptação dos estudantes. Além de indicadores tradicionais, como notas, frequência e registros de acesso, as manifestações textuais dos próprios estudantes podem revelar percepções, dificuldades e experiências importantes para o acompanhamento da permanência acadêmica. Nesse contexto, este trabalho investigou o uso de Inteligência Artificial (IA) Generativa e técnicas de Processamento de Linguagem Natural para automatizar a análise dessas manifestações.
O objetivo da pesquisa foi desenvolver uma solução computacional capaz de processar e analisar respostas textuais de estudantes, identificando sentimentos e produzindo sínteses interpretativas sobre a experiência acadêmica. A proposta busca transformar respostas abertas em informações estruturadas que possam apoiar docentes e pesquisadores na identificação de padrões de percepção, dificuldades e pontos de atenção, sem ter como finalidade a previsão individual da evasão.
Metodologicamente, foi desenvolvido um pipeline automatizado integrando Moodle, Google Sheets, arquivos CSV, Python, FastAPI e a API da OpenAI. As respostas dos estudantes foram organizadas por turma e submetidas à interpretação semântica, sendo classificadas em quatro categorias de sentimento: positiva, negativa, neutra e mista. Além da classificação individual, o sistema realiza a agregação dos resultados e produz resumos interpretativos, possibilitando análises em diferentes níveis.
Foram processadas 244 respostas, sendo 142 na primeira aplicação e 102 na segunda. Na primeira, 59,8% das manifestações foram classificadas como positivas e 31% como mistas; na segunda, esses percentuais foram de 48,1% e 43,1%, respectivamente, evidenciando mudanças na composição das percepções ao longo das aplicações. Nos resumos referentes às disciplinas, 60% das turmas apresentaram percepção positiva e 40% neutra, enquanto, em relação à universidade, 70% dos resumos foram positivos e 30% neutros. Mesmo nos grupos predominantemente positivos, foram identificados pontos de atenção relacionados ao ritmo das aulas, complexidade dos conteúdos, conhecimento prévio, avaliações e necessidade de suporte, demonstrando a importância de combinar indicadores quantitativos com a interpretação qualitativa das manifestações.
Como continuidade, propõe-se ampliar a base de respostas e o número de turmas e instituições analisadas, aprimorar a classificação semântica e a geração dos resumos e integrar os resultados a outros indicadores acadêmicos. Essa integração poderá possibilitar análises mais abrangentes sobre fatores relacionados à experiência e à permanência estudantil. |
