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.