Análise exploratória sobre dados de desempenho acadêmico da graduação de Ciência da Computação

Abstract

Este trabalho apresenta o desenvolvimento de uma solução de Business Intelligence para análise exploratória do desempenho acadêmico dos alunos do curso de Ciência da Computação da Universidade Federal de Pernambuco (UFPE). Utilizando técnicas de data warehousing e visualização de dados, o estudo investiga padrões relacionados ao desempenho dos estudantes, com foco na identificação de características associadas à evasão e retenção. A pesquisa implementa um modelo dimensional (Star Schema) e um processo ETL (Extraction, Transformation, Load) estruturado em camadas, utilizando o SQL Server como repositório central e o Power BI como ferramenta de visualização. A partir da análise de dados coletados entre 2009 e 2019, foram exploradas nove questões relacionadas ao desempenho por forma de ingresso, distribuição demográfica, disciplinas críticas, evolução temporal dos indicadores e tempo de conclusão do curso. Os resultados revelaram padrões distintos: alunos ingressantes por cotas apresentaram maiores taxas de reprovação (32,03% vs. 16,78%); observou-se disparidade significativa na distribuição por sexo (87,4% masculino, 12,6% feminino); as taxas de reprovação concentram-se nos períodos iniciais (39,07% no 1º período e 43,94% no 2º período); o tempo médio de conclusão (5,75 anos) supera o previsto (4,5 anos); e as taxas de evasão são mais elevadas entre alunos cotistas (23,18%) comparadas aos de ampla concorrência (18,00%). Os dashboards desenvolvidos permitem análises multidimensionais através de operações OLAP, fornecendo insights valiosos para apoiar a gestão acadêmica em tomadas de decisão baseadas em evidências. O trabalho contribui com a proposta de um modelo dimensional específico para análise acadêmica e com recomendações para intervenções focadas na melhoria do desempenho estudantil e redução da evasão.