Logo Passei Direto
Buscar
Material
páginas com resultados encontrados.
páginas com resultados encontrados.

Prévia do material em texto

INSTITUTO FEDERAL DE CIÊNCIA, EDUCAÇÃO E TECNOLOGIA
CAMPUS MONTE CASTELO
Título do Projeto
DESENVOLVIMENTO DE UM DASHBOARD PARA AUXÍLIO NOS PROCESSOS
DE TOMADA DE DECISÃO ATRAVÉS DA VISUALIZAÇÃO E ANÁLISE DE
DADOS EDUCACIONAIS DOS ALUNOS DOS CURSOS TÉCNICOS DO
INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DO
MARANHÃO – CAMPUS MONTE CASTELO
São Luís - MA
2024
INSTITUTO FEDERAL DE CIÊNCIA, EDUCAÇÃO E TECNOLOGIA
CAMPUS MONTE CASTELO
PROGRAMA INSTITUCIONAL DE BOLSAS DE INICIAÇÃO CIENTÍFICA
DESENVOLVIMENTO DE UM DASHBOARD PARA AUXÍLIO NOS PROCESSOS
DE TOMADA DE DECISÃO ATRAVÉS DA VISUALIZAÇÃO E ANÁLISE DE
DADOS EDUCACIONAIS DOS ALUNOS DOS CURSOS TÉCNICOS DO
INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DO
MARANHÃO – CAMPUS MONTE CASTELO
EDITAL PRPGI Nº 25/2023 - PIBIC EM 2023/2024
Equipe Executora
Prof. Raimundo Osvaldo Vieira
Orientador
Prof. Evaldinolia Gilbertoni Moreira
Coorientadora
Ana Kataryne Penha Oliveira
Bolsista
São Luís - MA
2024
RESUMO
O processo de tomada de decisão faz parte do cotidiano de organizações privadas e
públicas. Decidir é uma tarefa que requer conhecimento do domínio do problema e a
análise de conjuntos de dados, de modo particular, a tomada de decisão na gestão
escolar. A grande quantidade de dados disponíveis exige a utilização de técnicas e
ferramentas de visualização de dados. Dashboards são ferramentas úteis para
apoiar o processo decisório, uma vez que são meio eficazes para sintetização e
apresentação de dados. Este trabalho propõe a criação de um dashboard voltado
para o contexto discente do IFMA – Campus Monte Castelo. Espera-se como
resultados a disponibilização de dashboards com dados relativos aos alunos dos
técnicos para apoiar os processos de tomada de decisão por parte dos gestores,
técnicos em assuntos educacionais e professores.
SUMÁRIO
1. INTRODUÇÃO........................................................................................................ 5
2. OBJETIVOS............................................................................................................ 7
3. METODOLOGIA......................................................................................................8
4. ETAPAS REALIZADAS...........................................................................................9
5. ETAPAS A SEREM REALIZADAS....................................................................... 10
6. RESULTADOS.......................................................................................................11
7. DISCUSSÃO......................................................................................................... 17
8. REFERÊNCIAS..................................................................................................... 18
1. INTRODUÇÃO
A realidade das organizações institucionais é, a todo momento, perpassada
pela necessidade de tomada de decisões. Como o processo de tomada de decisões
é fundamental para uma gestão eficaz, o aperfeiçoamento das estratégias e
métodos nele empregados torna-se imprescindível para a garantia de bons
resultados.
Diante da celeridade e complexidade dos ambientes organizacionais
contemporâneos, somadas à necessidade de lidar com um grande volume de
dados, o suporte de tecnologias da informação apresenta-se como fator essencial
para otimizar o processo de tomada de decisões.
Dessa forma, a Ciência de Dados, ou Data Science, e a Inteligência de
Negócios, também denominada Business Intelligence (BI), revelam-se importantes
ao auxiliar o processo de decisão. Configura-se como Ciência de Dados o campo de
estudo responsável por transformar dados desordenados em informações úteis e
significativas utilizando ferramentas de BI.
Em instituições de ensino, a tomada de decisões compromete
significativamente o progresso educacional do corpo discente. Se analisados os
dados de maneira inteligente, torna-se possível diagnosticar, monitorar e até mesmo
prever o percurso acadêmico tomado por cada aluno, além de traçar correlações
entre indicadores que possam elucidar fenômenos como reprovações e evasões
escolares, a fim de tornar as possíveis intervenções mais assertivas.
Além da manipulação, tratamento e análise dos dados institucionais, para
que o processo de decisão seja, de fato, ágil e bem-sucedido, é de muita
importância condensar as informações obtidas em visualizações acessíveis aos
gestores, para a fundamentação de suas escolhas. Nesse sentido, a adoção de
Dashboards tende a ser muito proveitosa, uma vez que seu objetivo é incluir em
uma única tela a apresentação de dados de maneira clara e atrativa, utilizando
elementos com gráficos, tabelas e mapas.
O cenário apresentado contempla o ambiente escolar do Instituto Federal de
Educação, Ciência e Tecnologia do Maranhão – Campus Monte Castelo (IFMA –
Campus Monte Castelo). Os servidores de diversos setores da instituição
enfrentam, diariamente, situações que demandam uma representação eficaz dos
dados disponíveis, para dinamizar os processos institucionais e precisar as
eventuais tomadas de decisão.
Assim, considera-se que a aplicação da Ciência de Dados, pautada em uma
abordagem BI para facilitar o processamento, análise e visualização de dados,
direcionando o processo de tomada de decisões, a fim de corresponder a melhorias
no processo educacional. Portanto, este trabalho de pesquisa propõe-se a
desenvolver um conjunto de Dashboards para visualização de dados dos alunos dos
cursos técnicos do IFMA — Campus Monte Castelo, de modo que seja possível
analisar o perfil acadêmico e dados de frequência dos mesmos. Com isso,
espera-se auxiliar no processo de tomada de decisão por gestores do IFMA, a fim
de impulsionar a precisão das ações pedagógicas e administrativas, além da
promoção de uma cultura institucional orientada pela análise e bom uso dos dados.
No contexto dos cursos técnicos, é de suma importância monitorar a trajetória
acadêmica dos alunos, analisar os indicadores e os relacionar, a fim de encontrar e
explicar padrões que possam diagnosticar fenômenos como a evasão escolar, o
baixo rendimento escolar e as reprovações. Se feita de maneira eficiente, é possível
extrair lições da análise de dados que possam nortear o planejamento de ações
futuras na instituição, assegurando que sejam efetivas e resolvam os problemas
enfrentados, para garantir a melhoria contínua do panorama educacional no âmbito
do IFMA – Campus Monte Castelo.
À base de dados, semestralmente, são integrados novos registros relativos
ao contexto específico dos cursos técnicos. Entretanto, o controle e acessos de tais
dados é feito por meio de relatórios disponibilizados pelos sistemas de informações,
o que resulta em uma visualização pouco favorável e na subutilização dessas
informações durante os processos cotidianos. Manter os dados somente na forma
como são mantidos atualmente é perder potenciais informações que
fundamentariam uma tomada de decisão mais estratégica.
2. OBJETIVOS
2.1. Objetivo Geral
2.1.1. Aplicar a análise de dados e a visualização em dashboards para
análise de dados dos últimos 5 anos dos alunos dos cursos
técnicos do IFMA – Campus Monte Castelo a fim de melhorar o
processo de tomada de decisão.
2.2. Objetivos Específicos
2.2.1. Coletar e preparar conjuntos de dados para o processo de
análise exploratória;
2.2.2. Realizar análise exploratória dos dados, a fim de identificar
padrões e tendências;
2.2.3. Criar dashboards interativos para os dados educacionais do
IFMA – Campus Monte Castelo.
3. METODOLOGIA
I. Revisão da literatura sobre o uso de dashboards na gestão
educacional e sobre as métricas e indicadores relevantes para a
tomada de decisão em relação aos alunos.
II. Identificação dos dados educacionais dos alunos dos cursos técnicos
do IFMA disponíveis e relevantes para a construção dos dashboards.
III. Definição das métricas e indicadores que serão utilizados nos
dashboards, a partir da revisão da literatura e da análisedos dados
disponíveis.
IV. Seleção da ferramenta de visualização que será utilizada para a
construção dos dashboards.
V. Construção dos dashboards com os dados educacionais dos alunos
dos cursos técnicos do IFMA, utilizando a ferramenta de visualização
selecionada.
VI. Avaliação da efetividade dos dashboards na tomada de decisão em
relação aos alunos, por meio de entrevistas com gestores e
professores.
4. ETAPAS REALIZADAS
ATIVIDA
DES
MESES
2023 2024
Set Out Nov Dez Jan Fev Mar ABr Mai Jun Jul Ago Set
5. RESULTADOS
5.1. CIÊNCIA DE DADOS
"Nos últimos anos, a ciência de dados emergiu como uma disciplina nova e
importante. Pode ser vista como um amálgama de disciplinas clássicas como
estatística, mineração de dados, bancos de dados e sistemas distribuídos" (van der
Aalst, 2016). A Ciência de Dados, ou Data Science, como citado, surge como uma
área do conhecimento advinda da integração de princípios de diferentes áreas,
combinados pela necessidade de lidar com o crescente volume de dados. Como
consequência, a Data Science engloba uma variedade de técnicas, ferramentas e
metodologias, cuja aplicação facilita a extração de conhecimento a partir da análise
de dados. Para além da organização de informações, a Ciência de Dados explora
as causas por trás dos resultados, possibilitando a previsão de cenários futuros e o
desenvolvimento de estratégias com base em insights derivados das análises.
5.2. BUSINESS INTELLIGENCE
Business Intelligence (BI) é um conjunto de processos, tecnologias e
ferramentas que permitem às organizações coletar, analisar, interpretar e visualizar
dados para apoiar a tomada de decisões estratégicas. O BI está integrado ao
contexto da Ciência de Dados, uma vez que "Business Intelligence é tudo sobre
aproveitar dados para tomar decisões melhores" (Deckler, 2019).
No contexto de uma instituição de ensino, conforme o ambiente torna-se mais
complexo, os gestores passam a lidar com uma quantidade cada vez maior de
informações e demandas a serem analisadas, o que complica o processo de
tomada de decisão e amplia o seu impacto na organização. Como apontado por
Sharda, Delen e Turban (2016), "O nível de produtividade ou o sucesso da gestão
depende do desempenho das funções gerenciais, como planejamento, organização,
direção e controle". Assim, delineia-se como a gestão e o processo de decisão
podem ser auxiliados pelo BI a compreender o desempenho institucional.
5.3. DASHBOARDS
A visualização adequada dos dados desempenha um papel fundamental na
compreensão rápida e precisa das informações apresentadas, segundo Wexler,
Shaffer e Cotgreave (2017), a visualização de dados é uma estratégia para
aproveitar o poder do sistema visual humano para identificar relacionamentos e
tendências de maneira intuitiva e acessível. Dentre as ferramentas empregadas
para a visualização de dados, os Dashboards se destacam.
“Um dashboard é uma exibição visual de dados usados para monitorar
condições e/ou facilitar a compreensão” (Wexler, Shaffer e Cotgreave, 2017),
geralmente utiliza-se de uma variedade de elementos visuais, como gráficos de
barras, gráficos de linhas, tabelas, medidores, mapas e outros tipos de
visualizações, a depender das necessidades.
A respeito da metodologia empregada na sua construção, o modelo em
camadas é geralmente utilizado, já que não precisa que as camadas estejam
totalmente interligadas, pois são os dados são processados em pipeline (Staron,
2015).
Ele é composto por quatro componentes principais: sistemas de origem,
aquisição de dados, backend e frontend. Os sistemas de origem representam a
fonte inicial dos dados, que alimentam o Dashboard. Na camada de aquisição, os
dados são então coletados e pré-processados. Posteriormente, os dados são
processados no back-end e finalmente apresentados ao usuário pelo front-end.
5.4. FONTE DE DADOS
Para o desenvolvimento dos Dashboards, foram disponibilizadas pelo Setor
da Tecnologia da Informação bases de dados relativas aos dados captados no ato
de matrícula dos alunos e também dados referentes às suas notas ao longo dos
semestres.
Descrição dos Dados – referentes aos dados da matrícula
Nome da Coluna Tipo de Dado Descrição
alunoid Número Inteiro Identificador único de cada aluno
curso Texto Cursos oferecidos pela instituição
forma_de_acesso_seletiv
o
Texto Forma de acesso de cada aluno ao curso, podendo ser
por cota (COT) ou por ampla concorrência (CON)
frequencia Porcentagem Porcentagem de assiduidade do aluno em relação ao total
de aulas
reprovacoes Número inteiro Quantidade de reprovações do aluno
Nome da Coluna Tipo de Dado Descrição
rendabruta Número decimal Faixa de renda bruta familiar do aluno
ira Número decimal Índice de desempenho acadêmico do aluno
modalidade Texto Modalidade de ensino do curso, podendo ser Integrado,
Concomitante, Subsequente, Bacharelado ou Tecnologia.
raca Texto Etnia dos alunos, podendo ser Parda, Negra, Branca ou
Indígena
genero Texto Gênero dos alunos, podendo ser masculino (M) ou
feminino (F)
idade Número Inteiro Idade dos alunos
idioma Boolean Se os alunos têm ou não conhecimento em línguas
estrangeiras
ficou_tempo_sem_estuda
r
Boolean Se os alunos ficaram ou não algum tempo sem estudar
razao_ausencia_educacio
nal
Texto Motivo pelo qual o aluno ficou afastado da escola. Todas
as linhas constam como nulas.
quantidade_de_computad
ores
Número Inteiro Quantidade de computadores na residência dos alunos
exclusivo_rede_publica Boolean Se o aluno sempre frequentou escolas de rede pública
companhia_domiciliar Texto Integrantes do núcleo familiar do aluno
nivel_escolaridade_mae Texto Grau de escolaridade da mãe dos alunos
nivel_escolaridade_pai Texto Grau de escolaridade do pai dos alunos
quantidade_notebooks Número Inteiro Quantidade de notebooks na residência dos alunos
estado_civil Texto Estado civil dos alunos, podendo ser solteiro, casado,
viúvo, etc.
Descrição dos Dados – referentes ao registro de notas
Nome da Coluna Tipo de Dado Descrição
aluno_id Número Inteiro Identificador único de cada aluno
diario_id Número Inteiro Identificador único do diário de aula
disciplina Texto Nome da disciplina ministrada
nivel_ensino Texto Nível de ensino da disciplina, podendo ser Superior,
Graduação ou Técnico
ano_letivo Número Inteiro Ano letivo em que a disciplina foi ministrada
periodo_letivo Número Inteiro Período letivo em que a disciplina foi ministrada
carga_horaria_ministrada Número Inteiro Carga horária total ministrada para a disciplina
percentual_carga_horaria
_frequentada
Porcentagem Porcentagem da carga horária total frequentada pelo
aluno na disciplina
nota_1 Número decimal
nota_2 Número decimal
nota_3 Número decimal
nota_4 Número decimal
reposição Número decimal Nota obtida pelo aluno, caso tenha realizado processo
avaliativo de reposição
media_final_disciplina Número decimal Média final de notas do aluno na disciplina
situação Texto Situação final do aluno na disciplina
5.5. INDICADORES
Após a análise inicial dos dados fornecidos, foram definidos os seguintes
indicadores a serem trabalhados: taxa de reprovação por disciplina cursada, taxa de
evasão escolar, desempenho acadêmico dos alunos por curso e disciplina cursada.
Para o cálculo da taxa de reprovação por disciplina cursada, será
considerado o número de alunos que obtiveram notas de reprovação pelo total de
alunos matriculados na disciplina. Esta métrica permitirá avaliar o desempenho dos
alunos em cada disciplina específica e identificar áreas que possam requerer
intervenção pedagógica adicional. A taxa de evasão escolar será calculada como a
proporção de alunos que abandonaram a escola em relação ao número total de
alunos matriculados no período, este indicador a desenvolver estratégias para
reduzir a evasão. O desempenho acadêmico dos alunos por curso será avaliado
utilizando a média do IRA de cada curso.
5.6. FERRAMENTAS
As ferramentas usadas para desenvolver dashboards são softwares de
BusinessIntelligence (BI) projetados para coletar, analisar e visualizar dados de
forma significativa.
Atualmente, há uma variedade de opções disponíveis para desenvolver
dashboards. Dentre as analisadas, incluem-se as plataformas do Tableau, Power BI,
QlikView, Looker; além das ferramentas baseadas em Python, que, na área de
Ciência e Análise de Dados, pode-se citar bibliotecas como Pandas e Matplotlib,
além da biblioteca de desenvolvimento de dashboards, Steamlit.
O Power Query, integrado ao ecossistema Microsoft, é uma ferramenta de
ETL (Extract, Transform, Load) utilizada para a extração, transformação e
carregamento de dados. Sua interface gráfica permite automatizar o processo de
tratamento de dados sem a necessidade de programação complexa. No projeto, foi
utilizado para o tratamento inicial das tabelas de dados, em alinhamento com a
expectativa de uso do Power BI — uma plataforma de Business Intelligence da
Microsoft que permite a criação de dashboards.
No entanto, devido a limitações no compartilhamento dos dashboards
desenvolvidos no Power BI, houve uma transição para o Streamlit. O Streamlit é
uma ferramenta open-source que permite o desenvolvimento de aplicações web
interativas a partir de scripts em Python (Svilicic, 2021). Ele se destaca por sua
simplicidade na criação de interfaces e pela facilidade de compartilhamento das
aplicações, que podem ser hospedadas na web com poucos passos. Isso viabilizou
o compartilhamento dos resultados de maneira mais acessível e eficiente.
Além do Streamlit, para a criação dos gráficos, utilizou-se a biblioteca Plotly,
e o Pandas para carregar os dados e fazer filtragens segundo eventuais
necessidades.
5.7. COLETA E TRATAMENTO DE DADOS
A primeira etapa, como já descrita, foi a obtenção das bases de dados que
alimentaram os Dashboards. Quanto ao formato, apesar de uma das bases estar
em formato Excel (XLXS), seus valores estavam separados por vírgula, assim como
a outra base em formato Comma-separated Values (CsV). Utilizando-se o Power
Query para etapa de tratamento dos dados, fez-se necessário separar as colunas
da tabela, converter formatos inconsistentes, remoção de colunas cujos valores
eram nulos, corrigir a codificação de caracteres, padronizar as linhas do campo
curso, além de processos de filtragem para atender o escopo deste projeto.
5.8. DASHBOARDS
Foram construídos dois dashboards a partir dos dados dos últimos 5 anos
dos alunos dos cursos técnicos do IFMA – Campus Monte Castelo. O primeiro é um
dashboard que analisa os padrões de evasão no campus. Como mostra a figura, ele
possui um filtro que permite selecionar uma modalidade e um curso; exibe as taxas
de evasão da instituição, da modalidade e curso selecionado; apresenta gráficos de
colunas comparando as taxas de evasão dos cursos da modalidade selecionada,
com destaque ao que foi escolhido. Possui também um gráfico de barras duplas
comparando o desempenho acadêmico médio entre os alunos evadidos e os não
evadidos; um histograma com o número de reprovações; um gráfico de dispersão
com suas frequências. Além disso, contém três gráficos de pizza que analisam a
distribuição dos evadidos por gênero, raça e forma de acesso ao seletivo (ampla
concorrência ou cota); e um gráfico de barras que compara a renda bruta média dos
evadidos.
O segundo dashboard apresenta também a visualização por curso e
modalidade. Ele foi dividido em três abas: Visão Geral, Análise de Notas e Análise
Socioeconômica. A primeira mostra indicadores do curso: a quantidade de
matriculados, a taxa de evasão, o índice de rendimento escolar médio e a renda
bruta média; possui dois gráficos de pizza analisando a distribuição por gênero e
raça; possui dois gráficos de barras, um com o ranking das disciplinas com maior
taxa de reprovação, outro com o ranking das disciplinas com maiores médias.
A segunda aba, Análise de Notas, permite a seleção de uma disciplina e ano
letivo específico do curso em questão. Contém um gráfico de linhas que permite a
comparação das notas entre diferentes anos letivos; um gráfico de linhas mostrando
a quantidade de reprovados e aprovados ao longo dos anos; dois gráficos de barras
mostrando o ranking de reprovações e maiores médias, destacando a disciplina
selecionada; e dois gráficos de pizza que mostram a proporção entre aprovados e
reprovados, e a quantidade de alunos que foram aprovados mediante prova final.
A terceira aba, Análise Socioeconômica, apresenta gráficos de barra que
comparam o índice de rendimento acadêmico, a taxa de evasão e a renda bruta
média entre os cursos da modalidade, com ênfase no selecionado. Além disso,
contém gráficos de pizza que analisam a distribuição por gênero e raça, e um
histograma que mostra a distribuição das idades dos alunos ao se matricularem.
5.9. AVALIAÇÃO
Após o desenvolvimento e apresentação dos dashboards, foi realizado um
questionário com doze pessoas estratégicas da instituição, incluindo pedagogos,
diretores e outros responsáveis pela tomada de decisões no IFMA. O objetivo foi
avaliar a utilidade e potencial da ferramenta para auxiliar no planejamento e
execução de ações pedagógicas. O questionário, composto por seis perguntas,
abrangeu diferentes aspectos da aplicação, desde a clareza dos gráficos até o
potencial dos dashboards para apoiar decisões. Os resultados indicaram uma
resposta amplamente positiva dos avaliadores. Com base nas respostas obtidas, é
possível afirmar que a ferramenta atingiu seus objetivos principais, mostrando-se
um recurso útil para a tomada de decisões fundamentadas nos dados adquiridos.
6. DISCUSSÃO
Para realizar a análise exploratória dos dados relacionados aos alunos dos
cursos técnicos do IFMA – Campus Monte Castelo, os dados foram coletados,
tratados e carregados, e dashboards foram criados utilizando o Power BI e o
Streamlit. O período analisado abrange os últimos cinco anos de matrículas e
desempenho acadêmico. Essa análise permite uma compreensão mais aprofundada
dos padrões de evasão, perfil socioeconômico e desempenho acadêmico dos
alunos da amostra.
Dessa maneira, ao comparar a taxa de evasão entre as modalidades dos
cursos técnicos, foi possível notar que a taxa de evasão da modalidade Integrado
(3,05%) é significativamente menor que as taxas das modalidades Concomitante
(8,23%) e Subsequente (14,25%). Entretanto, também nota-se que a quantidade de
dados relativos à última modalidade é pequena e pode prejudicar a visão sobre a
sua real situação.
Pôde-se perceber também que, em aproximadamente 80% dos cursos, o
índice de rendimento acadêmico dos estudantes evadidos está abaixo da média da
instituição e os únicos casos onde a média dos evadidos se sobressai à dos não
evadidos foram encontrados em cursos com quantidade limitada de dados. Na
modalidade Integrado, cuja amostra de dados é mais sólida e abrangente, em 100%
dos casos o índice de rendimento escolar dos não evadidos é maior que os alunos
evadidos. Avaliando a forma de acesso ao seletivo, é perceptível que, no caso da
modalidade Integrado, em todos os cursos, predominantemente os evadidos são
cotistas; nas outras modalidades não foi possível encontrar um padrão. Da mesma
forma, não foi possível perceber nenhuma correlação entre a taxa de frequência e
os evadidos.
Sobre as notas, vale ressaltar que as notas nos anos de 2020 e 2021,
período da pandemia — onde os métodos avaliativos foram flexibilizadas —, em
todas as disciplinas, sofreram variações positivas anormais, o que influenciou a
média geral das mesmas. Ao selecionar as linhas dos anos pré e pós período de
pandemia, a tendência é que as notas caiam. Também é possível notar que, em
70% dos cursos Integrados, as disciplinas que mais reprovam são técnicas e não da
base nacional comum curricular (BNCC).
As bases de dados utilizadas apresentaram alguns problemas que
dificultaram e/ou limitaram a análise e visualização das informações. A falta de
padronização na nomenclatura dos cursos e disciplinas, e a presença de algumassiglas não facilmente dedutíveis, dificultou a identificação e categorização dos
cursos de forma consistente. Ainda nesse sentido, pode ser viável criar categorias
para cursos de ensino à distância (EAD) e para cursos vinculados ao IFMA –
Campus Monte Castelo que acontecem em outros municípios. Outro empecilho que
cabe mencionar é a falta de preenchimento da coluna razao_ausencia_educacional,
que poderia fornecer insights para a compreensão do perfil dos alunos. Além disso,
a análise das modalidades revelou que algumas delas, especialmente a modalidade
Subsequente, apresentaram amostras de dados significativamente menores em
comparação com outras modalidades. Em alguns casos os registros indicavam a
presença de apenas um aluno. Essa discrepância entre a quantidade de dados
registrada e a realidade esperada comprometeu a robustez da análise, dificultando a
identificação de padrões consistentes.
Para superar essas limitações, é essencial investir na coleta consistente e
constante de dados, na padronização e atualização dos registros. Isso permitirá
uma análise mais completa das informações, contribuindo para a compreensão do
perfil dos alunos do IFMA – Campus Monte Castelo e, consequentemente,
auxiliando no processo de tomada de decisões nesse ambiente educacional.
7. CONCLUSÕES
Este projeto propôs a coleta, tratamento, análise e visualização de um
conjunto de dados dos últimos 5 anos dos alunos do técnico do IFMA – Campus
Monte Castelo. Os objetivos apresentados foram parcialmente alcançados, devido à
limitação das amostras de dados em algumas modalidades, não foi possível definir
com exatidão o perfil de certos grupos de alunos do campus. Para contornar esse
problema, faz-se importante implementar medidas de coleta de dados mais rígidas e
abrangentes.
Os dashboards construídos, ao reunir informações sobre o perfil acadêmico e
as características socioeconômicas dos alunos e evasores, proporcionam um
aproveitamento eficiente dos dados, que muitas vezes são subutilizados pelo Setor
de Tecnologia da Informação. Esses dashboards permitem a identificação de
padrões e tendências importantes para a tomada de decisões no ambiente
educacional, tornando-se um recurso estratégico para pedagogos, gestores e
diretores no IFMA. Ao visualizar indicadores de desempenho acadêmico com
variáveis socioeconômicas, é possível uma análise mais ampla do rendimento
escolar, facilitando a correlação entre fatores externos e os resultados dos alunos.
Esse tipo de informação fornece um maior embasamento para o planejamento de
ações pedagógicas futuras de maneira mais precisa, buscando adaptar as
abordagens de ensino e planejar intervenções que evitem quadros de evasão.
Em conclusão, este estudo ressalta a importância do aproveitamento dos
dados acadêmicos e socioeconômicos dos alunos para melhorar a gestão
educacional na instituição. Os dashboards desenvolvidos não apenas facilitam a
identificação de padrões relacionados ao desempenho e à evasão escolar, mas
também oferecem informações valiosas para auxiliar no processo de tomada de
decisões. Espera-se que, com uma atualização contínua da base de dados,
possa-se enriquecer ainda mais as análises, permitindo traçar padrões, perfis e
tendências com maior precisão. Dessa forma, a instituição poderá avaliar melhor o
processo educacional e promover uma gestão orientada por dados, incentivando
ações pedagógicas mais eficazes e alinhadas às necessidades dos alunos.
8. REFERÊNCIAS
Van der Aalst, W. M. P. (2016). Process Mining: Data Science in Action. Springer.
Deckler, G. (2019). Learn Power BI. Packt Publishing.
Sharda, R., Delen, D., & Turban, E. (2016). Business Intelligence: A Managerial
Perspective on Analytics. Pearson.
Wexler, S., Shaffer, J., & Cotgreave, A. (2017). The Big Book of Dashboards:
Visualizing Your Data Using Real-World Business Scenarios. John Wiley &
Sons.
Staron, M. (2015). Software Architecture in Action. Springer.

Mais conteúdos dessa disciplina