Escolar Documentos
Profissional Documentos
Cultura Documentos
ufpb prg
DIPLOMAÇÃO, EVASÃO E RETENÇÃO:
MODELO LONGITUDINAL DE ANÁLISE PARA O ENSINO SUPERIOR
UNIVERSIDADE
FEDERAL DA PARAÍBA
EDITORA DA UFPB
Editora da UFPB
João Pessoa - PB
2017
Copyright © 2017 - Editora da UFPB
Catalogação na Publicação
Seção de Catalogação e Classificação
ISBN: 978-85-237-1305-8
A Universidade Federal da Paraíba (UFPB), desde o ano de 2012, deu um significativo salto de
qualidade. Customizamos e implantamos o Sistema Integrado de Gestão de Serviços (SIGs/UFRN), com o
qual foi possível agilizar o fluxo de procedimentos administrativos e acadêmicos; saneamos as contas e
empreendemos uma contínua busca de recursos para investimentos em estrutura física, visando à viabili-
zação e à melhoria do desempenho do ensino em nossos cursos de graduação e de pós-graduação, na pes-
quisa e na extensão.
A partir de agora, trabalharemos no sentido de estimular outras Pró-Reitorias, para que desen-
volvam instrumentos similares de forma a garantirmos uma mensuração quantitativa e qualitativa do
desempenho acadêmico.
Na esperança de que este esforço empreendido pela PRG e pelos grupos de pesquisa da UFPB
atinja a finalidade de fomentar uma ampla discussão acadêmica e de que possamos nos orgulhar dos pro-
fissionais que colocamos no mercado de trabalho, desejamos o bom uso do material contido nesta oportu-
na e bem-vinda publicação.
Reitora da UFPB
Esse livro é um produto de parte dos avanços e das articulações colocados em prática no ano de
2014, quando foi solicitado ao Núcleo de Marketing e Métodos Quantitativos (MEQAD) um estudo que
possibilitasse conhecer os fenômenos de retenção, evasão e formação. Nesse contexto, esse estudo foi
aprimorado pelo ODIn. Com a formalização do conteúdo e a complementação da análise, foram geradas as
informações científicas aqui apresentadas. Avançamos mais rapidamente na medida em que foram emer-
gindo os resultados positivos dessas inovações de análise de dados de graduação. Seguimos levando adi-
ante o aperfeiçoamento, tendo por base a filosofia de que é preciso melhorar de forma continuada a gestão
da graduação.
Tanto o modelo de avaliação do docente pelo discente, descrito neste livro, quanto o modelo de
análise de egresso desenvolvido pelo Laboratório de Estudos de Microeconomia Aplicada (LEMA) deram
O conteúdo deste livro ilustra o formato de atuação da unidade ODG: rigorosas definições con-
ceitual, metodológica, computacional e operacional. O leitor atento encontrará aqui a formulação matemá-
tica e a sugestão de implementação computacional, modelos que permitirão a análise dos fenômenos de
evasão, retenção e diplomação em sua expressão mais natural, que é o caráter longitudinal de sua ocor-
rência. As proposições dos autores encontraram respaldo nas diversas reuniões de validação realizadas ao
longo de 2016 e 2017 com a nossa equipe da PRG.
Recomendo, portanto, a leitura deste livro àqueles que lidam com esses fenômenos em sua ativi-
dade técnica, administrativa e docente, pois acredito que essa leitura proporcionará, no mínimo, reflexões
para o aprimoramento de ações adminstrativo-pedagógicas na sua instituição de ensino.
Pró-Reitora de Graduação/UFPB
Referências ............................................................................................................................................... 61
12 | Diplomação, Evasão e Retenção
Diplomação, Evasão e Retenção | 13
Capítulo 1 – Considerações iniciais
O ensino superior é o nível mais elevado de formação de indivíduos nos sistemas de educa-
ção implementados pelos países signatários do Pacto Internacional dos Direitos Econômicos, So-
ciais e Culturais (ONU, 1966). No Brasil, o referido Pacto foi promulgado em 1992 por meio de
Decreto Presidencial (Decreto n. 591 da Presidência da República do Brasil, 1992) e estabelece,
em seu Artigo 13, que
“a) A educação primaria deverá ser obrigatória e acessível gratuitamente a
todos;
b) A educação secundária em suas diferentes formas, inclusive a educação
secundária técnica e profissional, deverá ser generalizada e torna-se aces-
sível a todos, por todos os meios apropriados e, principalmente, pela im-
plementação progressiva do ensino gratuito;
c) A educação de nível superior deverá igualmente tornar-se acessível a
todos, com base na capacidade de cada um, por todos os meios apropriados
e, principalmente, pela implementação progressiva do ensino gratuito.”
O ensino superior de graduação atende à demanda da sociedade para formação de bacha-
réis, licenciados e tecnólogos, desde que o indivíduo tenha concluído o ensino médio ou equiva-
lente e tenha sido classificado em processo seletivo. Esse nível de formação é executado por insti-
tuições de ensino superior (IES) credenciadas para tal atuação (Lei n. 9.394 da Presidência da
República do Brasil, 1996). Por representar níveis mais elevados de formação profissional e de
cidadania, espera-se das IES que exijam padrões de desempenho compatíveis da parte dos dis-
centes (Keniston, 1960; Pucciarelli & Kaplan, 2016). As IES estabelecem esses padrões por meio
dos projetos pedagógicos de curso (PPC) e detalhamento de currículos e ementas, atendendo às
diretrizes curriculares nacionais dos cursos de graduação (Parecer CNE/CES n. 67, 2003).
Graficamente, pode-se visualizar o modelo ideal de sucesso de uma turma como ilustrado a
Figura 1.1.
Figura 1.1 - Ilustração do modelo ideal
- Definição preliminar
Para computação de totais de alunos com vínculos em cada período letivo ( ou semestre),
considera-se o total de discentes que tenha matrícula ativa no período, independentemente da
quantidade de créditos que esse vínculo gere. Esses são considerados os ‘discentes ativos’ no pe-
ríodo, com a verificação feita pela contagem direta do total de matrículas no início de cada semes-
tre, formando assim, ao longo dos semestres considerados, uma série temporal ilustrada na qua-
dro 1.
Semestre
... ...
... ...
Essas quantidades podem ser computadas no total ou de acordo com recortes de variáveis
categóricas que sejam do interesse da Instituição. Recomendam-se recortes por categorias de
Para os fins dessa nota, toma-se como definição do conceito de “evasão de curso de gradua-
ção” o ato, voluntário ou não, que consiste no desligamento do aluno de seu curso, afora os casos
de óbito e diplomação.
• Observação 1: evasão de curso difere de evasão da Instituição ou da unidade acadêmica, dado
que há casos em que o discente evade do curso, porém não evade da unidade ou da Institui-
ção. Nesses termos, a média das evasões de curso é sempre maior ou igual à evasão total da
Instituição ou da unidade. Se considerarmos, por outro lado, que a transferência interna é
marginal em volume, podemos tomar a evasão institucional (de toda a universidade) ou de
unidade (dos Centros) como a média das evasões de cursos ponderadas pelo total de discen-
1 A referência de contagem de i depende da Instituição e de sua implementação, porém, dada a universalidade do modelo semestral, utilizaremos
aqui a referência de i como contagem de semestres.
0 0
Quando se consideram diversas turmas, tem-se a manipulação dessas tabelas agregando es-
sas diversas turmas, inclusive sendo possível considerar separadamente um ou outro fenômeno
de interesse (por exemplo, é possível considerar separadamente a evasão, a retenção e a diplo-
mação). Para promover tal avaliação, é necessário então que se fixem definições e regras de apre-
sentação, conforme indicado abaixo.
Na análise de evasão e diplomação, tem-se inicialmente a verificação por turma e em segui-
da por período. Em cada caso, tem-se um conjunto de definições e formas de apresentação. Para
os fins dessas análises, “turma” pode ser entendido como o conjunto de discentes ingressantes
em determinado período.
Essa exposição pode ser segmentada por categorias de variáveis descritivas dos discentes.
São potencialmente relevantes exposições por: centro, curso e turno e tipo de escola.
Quadro 4 –Evasão
Semestre
Turma Entrantes
1 2 K l
...
...
Totais
A definição 4 permite avaliar qual é a evasão de cada semestre do curso (evasão de primei-
ro semestre, de segundo…). Para construção das taxas, tem-se a particularidade de a quantidade
de semestres serem distintas. De fato, para qualquer curso, por exemplo, se este existe há 5 anos,
têm-se um total de 10 primeiros períodos e apenas 1 décimo período, e nenhum décimo primei-
ro. Isso implica a necessidade de cuidado na interpretação, dada a possibilidade, inclusive, de
algum período ter evasão menor que o anterior, o que pode parecer sem sentido se não se consi-
derar o total de turmas computadas. A expectativa é que ao longo do tempo, quando os cursos se
estabilizam e têm largos períodos de oferta, os volumes de dados por período estabilizem as ta-
xas semestrais.
- Forma de apresentação
A apresentação da taxa de evasão por período deve ser feita na forma de tabela por unidade
acadêmica, na qual nas linhas são apresentados os cursos e nas colunas a indicação do período e
do total de turmas consideradas.
Por exemplo, se o curso de Letras, que tem duração de quatro anos (8 semestres), possui
registros desde o ano de 2004.1 até a última verificação, que foi, diga-se, no período 2017.2, en-
tão a taxa de evasão com tempo consolidado para diplomação é calculada pela divisão do total de
evadidos até o período 2013.2 (pois o discente que ingressou em 2014.1 tem os anos de 2014,
2015, 2015 e 2017 para conclusão de seu curso) pelo total de ingressantes até esse período.
Para definir um referencial universal, e considerando cursos mais longos, como é o curso de
Medicina, que costuma ser 6 anos, é possível então fixar o último tempo de em 12 semestres para
todos os cursos. No conjunto, não há perda para cursos mais antigos, podendo haver alguma ins-
tabilidade nas taxas de evasão para tempos cursos com pouco tempo de existência. Por exemplo,
dado que um curso inicie suas atividades num semestre qualquer, somente será feita a verifica-
ção de sua evasão depois de 12 semestres, mesmo que seu tempo seja de 8 semestres. No entan-
to, é possível compreender que o tempo fixa (digamos, 12 semestres) facilita a implementação
computacional se gerar grande perda de conteúdo informativo.
Por exemplo, se no curso de Administração, que tem duração de cinco anos (10 semestres),
há registros desde o ano de 2004.1 até a última verificação, que foi, diga-se, no período 2017.2,
então a taxa de diplomação é calculada pela divisão do total de diplomados até o período 2012.2
(pois o discente que ingressou em 2013.1 tem os anos de 2013, 2014, 2015, 2015 e 2017 para
conclusão de seu curso) pelo total de ingressantes até esse período.
Esse cálculo é feito pela contagem, em cada turma, do total de discentes que concluíram no
prazo, por contagem direta por turma. Assim, para uma determinada turma k, temos a informa-
ção sobre o total de ingressantes , e em seguida temos a indicação, por diplomado, do tempo
de diplomação. Assim, contamos os totais de discentes com tempos menores ou iguais a e
dividimos pelo total de entrante.
- Forma de apresentação
A apresentação das taxas de (1) evasão, (2) eficiência de diplomação e (3) diplomação no
prazo podem ser apresentados em tabelas ou como indicadores distribuídos em uma tela por
curso, podendo incluir outros cursos de um mesmo centro.
Esse indicador é definido por turma, e sinaliza o percentual de alunos que promoveram re-
tenção, independentemente do tempo. Mesmo que a turma já tenha sido consolidada (todos os
alunos já tenham saído), é possível ainda definir qual foi a retenção daquela turma, a partir da
verificação do percentual de discentes que passou do tempo de curso na condição de ativo.
A computação semestral tem duas bases, uma do início e uma de metade de semestre. Desse
modo, define-se que o primeiro semestre terá indicação do ano com decimal zero (por exemplo, o
ingresso no primeiro semestre do ano de 2011 tem indicação de 2011,0), e o segundo semestre
terá indicação do ano com decimal 0,5 (por exemplo, saída no semestre de 2014 terá indicação de
2014,5). Assim, por exemplo, se um discente ingressou no primeiro semestre de 2006 (ou seja,
2006,0) e saiu no segundo semestre de 2010 (2010,5), seu tempo de permanência ( ) será dado
por
A computação dos três quartis vem da formulação a seguir (a função de cálculo dos quartis
está geralmente implementada em software, com a representação formal de para o quartil de
A primeira menção ao termo Business Intelligence System é creditada a Peter Luhn (Luhn,
1958), que define Business como sendo um conjunto de atividades relacionadas a qualquer tipo
de empreendimento, sendo apoiado por um Intelligent System, capaz de assimilar as associações
entre os fatos presentes, no sentido de orientar as ações para o alcance de um objetivo desejado.
As organizações necessitam desenvolver capacidades relacionadas à “inteligência” de forma que,
para serem eficientes e competitivas, precisam se antecipar e reagir a mudanças que venham a
ocorrer no contexto no qual estão inseridas (Barney, 1991; Gilad & Gilad, 1988; Grant, 1996).
Business Intelligence (BI) preenche uma lacuna ainda muito encontrada no ambiente organizaci-
onal e que diz respeito à ausência de recursos de distribuição de informação nos níveis tático e
estratégico com integração de diversos assuntos de interesse da atividade-fim, disponibilidade
todas as horas do dia e em todos os dias da semana (também denominado “disponibilidade
24x7”), mobilidade (Internet e múltiplos dispositivos) e norteado por princípios de governança
(corporativa e de tecnologia da informação). Espera-se que a adoção de recursos BI no âmbito
organizacional favoreça a tomada de decisões sob menores condições de incerteza e risco.
Processos de BI compreendem basicamente (a) extração, transformação e carga de dados
(extraction, transformation and loading; ETL) oriundos de fontes estruturadas (geralmente sis-
temas de informação do tipo ERP, CRM, SCM etc.) e não estruturadas (Redes Sociais, Blogs, Ví-
deos, Chats), tendo como produto final um repositório data warehouse/mart (DW/DM). Um data
warehouse compreende um repositório de dados corporativo tópico-orientado, integrado, tempo-
variante e não volátil (Immon, 2005), diferenciando-se de um data mart apenas em relação ao
seu escopo (este último com escopo departamental); e (b) utilização de ferramentas analíticas,
A interface denominada “Visões Gerais”, ilustrada pela Figura 3.1a, permite a análise de da-
dos relativos à quantidade de discentes ativos (vinculados à instituição) ao longo do tempo. É
possível interagir com a interface por meio de filtros e também pela seleção direta de valores de
categorias. Os filtros disponíveis permitem a seleção de Centro(s) (ou unidades acadêmicas) e
Curso(s). As categorias de análise disponíveis são Sexo, Etnia, Currículo e Forma de Ingresso.
Tanto os filtros quanto as categorias podem ser combinados de acordo com as necessidades do
analista, como se pode observar nas variações ilustradas pelas Figuras 3.1b (distribuição de da-
dos de discentes do sexo feminino), 3.1c (distribuição de dados de discentes ingressantes
Enem/SISu) e 3.1d (distribuição de dados de discentes do sexo feminino que ingressaram no cur-
so de Administração por meio de Enem/SISu).
Figura 3.1a - Visões Gerais
Figura 3.1d - Distribuição de dados de discentes do sexo feminino que ingressaram no curso de
Administração por meio de Enem/SISu
Figura 3.10a – Visão georreferenciada (quantidade de discentes do sexo feminino que ingressa-
ram no curso de Administração por meio de Enem/SISu)
O conteúdo desse manuscrito teve, nos capítulos anteriores, um foco mais concentrado na
definição de métricas, em formas de apresentação e na exibição de uma alternativa concreta de
implementação das métricas e formas propostas. A perspectiva de análise das medidas e gráficos
no formato exposto configura a implementação de uma solução “business intelligence” (BI), e tem
conteúdo mais descritivo de evoluções, tendências e indicadores.
Nesse capítulo, apresentam-se possibilidades de outros avanços a partir dessa primeira
construção. Inicialmente, posiciona-se a visão mais ampla de Data Science e suas ferramentas, e
na segunda parte são apresentados exemplos de apropriação dessas ferramentas sobre dados
disponíveis.
Data Science
Por meio da Figura 4.1, observa-se que a elaboração dos capítulos anteriores está associada
à dimensão de ferramentas de análise. Tais ferramentas, em um segundo nível de descrição, po-
dem ser classificadas em três grupos:
• ferramentas descritivas, que são aquelas orientadas à melhor estruturação de uma visão ge-
ral dos dados, o que se faz por meio de ferramentas de descrição numérica e visual (essas são
as ferramentas convencionais de BI ilustradas no capítulo 3);
• ferramentas exploratórias, que são voltadas a efetivar manipulação de dados para extração
de resultados não evidentes e que vão além da tarefa restrita à descrição. Envolve técnicas
bivariadas e multivariadas, tais como cruzamento de tabelas, extração de componentes prin-
cipais ou fatores, “clusterização” de observações etc.; e
• ferramentas preditivas, que são aquelas que, a partir dos dados reorganizados, de indicado-
res construídos e de redefinições de variáveis desde procedimentos exploratórios, permitem
utilizar os dados disponíveis para realização de predições de comportamento sobre outras
variáveis.
Analytics
Preditivas
Ferramentas De exploração
Descritivas
Barney, J. (1991). Firm resources and sustained competitive advantage. Journal of management,
17(1), 99-120.
Bridgeland, J. M., Dilulio Jr, J. J., & Balfanz, R. (2009). On the Front Lines of Schools: Perspectives
of Teachers and Principals on the High School Dropout Problem. Civic Enterprises.
Decisão TCU n. 408 Plenário. (2002). Tribunal de Contas da União. Disponível em
http://portal.mec.gov.br/sesu/arquivos/pdf/indicadores.pdf.
Decreto Lei n. 591 da Presidência da República do Brasil. (1992). Diário Oficial da União, 07 de
junho de 1992. Disponível em http://www.planalto.gov.br/ccivil_03/decreto/1990-
1994/d0591.htm.
Decreto Lei n. 6.425 da Presidência da República do Brasil. (2008). Diário Oficial da União, 07 de
abril de 2008. Disponível em
http://download.inep.gov.br/download/censo/2008/Decreto_n_6425.pdf.
Grant, R. M. (1996). Toward a knowledge-based theory of the firm. Strategic management journal,
17(S2), 109-122.
Gilad, B., & Gilad, T. (1988). The Business Intelligence System: A new tool for competitive ad-
vantage. New York: Amacom.
Inmon, W. (2005). Building the data warehouse. Wiley Publishing. Indianapolis.
Keniston, H. (1960). The goals of higher education. Proceedings of the American Philosophical So-
ciety, 104(6), 565-569.
Kitchin, R. (2014). Big Data, new epistemologies and paradigm shifts. Big Data & Society, 1(1),
2053951714528481.
Lei n. 9.394 da Presidência da República do Brasil. (1996). Diário Oficial da União, 23 de dezem-
bro de 1996. Disponível em http://www.planalto.gov.br/ccivil_03/leis/L9394.htm.
Lei n. 10.861 da Presidência da República do Brasil. (2004). Diário Oficial da União, 15 de abril de
2004. Disponível em http://www.planalto.gov.br/ccivil_03/_ato2004-
2006/2004/lei/l10.861.htm.
Luhn, H. P. (1958). A business intelligence system. IBM Journal of Research and Development, 2(4),
314-319.
Newman-Ford, L., Lloyd, S., & Thomas, S. (2007). Evaluating the performance of engineering un-