Este trabalho propôs utilizar um método (ou técnica) de mineração de dados conhecido como árvore de decisão, de modo que foi possível identificar características que puderam influenciar os estudantes à evadirem o curso de Sistemas de Informação da UEG – CCET (Universidade Estadual de Goiás, Câmpus Anápolis de Ciências Exatas e Tecnológicas). Além disso, o trabalho objetivou-se em criar um modelo de árvore de regressão que consiga prever a ocorrência de novos casos. Os dados utilizados neste trabalho foram fornecidos pela UEG, resultados de questionários socioeconômicos aplicados em vestibulares de 2002 a 2011. As atividades realizadas neste trabalho foram executadas com o apoio do software R, uma ferramenta de análise estatística poderosa, e utilizando a linguagem de programação R. A fundamentação teórica é baseada, principalmente, nas obras de Tan, Steinbach e Kumar (2009) e Tufféry (2011), no qual ambas obras detalham os conceitos de árvore de decisão e como as mesmas funcionam. As árvores de classificação e regressão, foram geradas pelas funcionalidades do pacote rpart, elaborado por Therneau, Atkinson e Ripley (2015), fortemente inspirado nas ideias propostas por Breiman et al. (1984) na obra intitulada Classification and Regression Trees. As medidas de desempenho dos modelos também foram identificadas por meio do software R. A árvore de classificação cumpriu bem o seu papel para os dados em questão, no qual pode se perceber de forma clara qual é o perfil do aluno de Sistemas de Informação da UEG – CCET. Um dos fatores que conseguiu classificar os alunos de forma mais clara foi o período em que o mesmo cursou o Ensino Médio, onde dos alunos que cursaram o Ensino Médio no período noturno, 91% evadiram. Os resultados obtidos podem ser utilizados para que o corpo administrativo da instituição possa atuar nos fatores influentes da taxa de evasão dos estudantes.
 Ocultar Resumo