Panorama da evasão escolar no ensino superior de administração no Brasil
Barra lateral de artigos
Conteúdo do artigo principal
Resumo
Objetivo: A pesquisa investigou a evasão no ensino superior com o objetivo de identificar fatores associados à evasão em diferentes perfis de curso.
Escopo: Foram investigadas variáveis observáveis relacionadas à evasão, com foco nos cursos de Administração de Empresas e Tecnólogos de Gestão, a partir de uma base de dados de mais de 220 mil estudantes.
Originalidade: Buscou-se avaliar as relações entre evasão e variáveis observáveis, comparando-se a importância destas variáveis em cursos de Administração com o que se encontra nos demais cursos. Foram utilizadas tanto a metodologia de análises estatísticas multivariadas, quanto técnicas de aprendizado de máquina.
Relevância: O artigo oferece um panorama bastante amplo a respeito da evasão no Brasil, e analisa a questão sobre a perspectiva de variáveis observáveis, o que permite que gestores de instituições de ensino possam direcionar seus esforços para controlar a evasão de forma mais efetiva.
Downloads
Detalhes do artigo
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
A FGV EAESP Pesquisa e Publicações detém os direitos patrimoniais dos artigos que publica, inclusive os de tradução e adota a Licença de Atribuição (BY) do Creative Commons (http://creativecommons.org/licenses/by/3.0) em todos os trabalhos publicados, exceto quando houver indicação específica de outros detentores de direitos autorais. Em caso de dúvidas, solicitamos consultar a Redação (gvcasos.redacao@fgv.br).
Referências
Almeida, D. S., Costa, M. A. B., Filho, Silva, C. E. S., & Mello, C. H. P. (2020). Utilização do Net Promoter Score para avaliação do curso de Engenharia de Produção de uma Universidade Federal de Ensino Superior. Em Anais do 40º Encontro Nacional de Engenharia de Produção. Abepro. http://www.abepro.org.br/publicacoes
Ambiel, R. A. M., Cortez, P. A., & Salvador, A. P. (2021). Predição da potencial evasão acadêmica entre estudantes trabalhadores e não trabalhadores. Psicologia: Teoria e Pesquisa, 37, Artigo e37305. https://doi.org/10.1590/S0102-3772202137305
Andrade, H. C., Santos, M. de O., Dantas, M. da S., & Lima, P. H. F. (2025). Edupulse: Systematizing the process of analysis and mapping of dropout in higher education. Contribuciones a Las Ciencias Sociales, 18(1), 1-19. https://doi.org/10.55905/revconv.18n.1-137
Bean, J. P. (1985). Interaction effects based on class level in an explanatory model of college student dropout syndrome. American Educational Research Journal, 22(1), 35–64. https://doi.org/10.3102/00028312022001035
Bentes, M. C. B., & Kato, O. M. (2016). Fatores que afetam a evasão na educação a distância: Curso de administração. Psicologia da Educação, (39), 31–46. https://revistas.pucsp.br/index.php/psicoeduca/article/view/26703
Bonaldo, L., & Pereira, L. (2016). Dropout: Demographic profile of Brazilian university students. Procedia - Social and Behavioral Sciences, 228, 138-143. https://doi.org/10.1016/j.sbspro.2016.07.020
Bitencourt, W. A., Silva, D. M., & Xavier, G. C. (2022). May artificial intelligence support actions against school dropout? Ensaio: Avaliação e Políticas Públicas em Educação, 30 (116), 669–694. https://doi.org/10.1590/S0104-403620220003002854
Brito, B. C. P., Albuquerque Júnior, G. A., & Mello, R. F. L. (2020). Identificação de atributos relevantes na evasão no ensino superior público brasileiro. Em Anais do XXXI Simpósio Brasileiro de Informática na Educação (pp. 1032-1041). Sociedade Brasileira de Computação. https://doi.org/10.5753/cbie.sbie.2020.1032
Carneiro, J., & Pinho, A. (2025). Mapeando os fatores relacionados à evasão universitária nos cursos de administração e ciências contábeis. Revista Gestão Universitária na América Latina - GUAL, 18, 214-233. https://doi.org/10.5007/1983-4535.2025.e107286
Chung, J. Y., & Lee, S. (2019). Dropout early warning systems for high school students using machine learning. Children and Youth Services Review, 96, 346–353. https://doi.org/10.1016/j.childyouth.2018.11.030
Costa, F. J., Bispo, M. S., & Pereira, R. C. F. (2018). Dropout and retention of undergraduate students in management: A study at a Brazilian federal university. RAUSP Management Journal, 53(1), 74-85. https://doi.org/10.1016/j.rauspm.2017.12.007
Cunha, J. V. A. da, De Luca, M. M. M., Lima, G. A. S. F. de, Cornacchione Jr., E. B., & Ott, E. (2015). Quem está ficando para trás? Uma década de evasão nos cursos brasileiros de graduação em administração de empresas e ciências contábeis. Revista de Educação e Pesquisa em Contabilidade (REPeC), 9(2), 124-142. https://doi.org/10.17524/repec.v9i2.1141
Fernandez-Garcia, A. J., Preciado, L., Rodriguez-Echeverria, R., Sanchez-Figueroa, F., & Conejero, J. M. (2021). A real-life machine learning experience for predicting university dropout at different stages using academic data. IEEE Access, 9, 133076–133090. https://doi.org/10.1109/ACCESS.2021.3115851
Fritsch, R., Rocha, C. S. da, & Vitelli, R. F. (2015). A evasão nos cursos de graduação em uma instituição de ensino superior privada. Revista Educação em Questão, 52(38), 81-108. https://doi.org/10.21680/1981-1802.2015v52n38ID7963
Gonçalves, O., & Beltrame, W. (2020). Socioeconomic data mining and student dropout: Analyzing a higher education course in Brazil. International Journal for Innovation Education and Research, 8(8), 505-518. https://doi.org/10.31686/ijier.vol8.iss8.2554
Hair, J. F., Black, W. C., Babin, B. J., Anderson, R. E., & Tatham, R. L. (2009). Análise multivariada de dados. Bookman.
Japkowicz, N., & Stephen, S. (2002). The class imbalance problem: A systematic study. Intelligent Data Analysis, 6(5), 429–449. https://doi.org/10.3233/ida-2002-6504
Klitzke, M., & Carvalhaes, F. (2023). Fatores associados à evasão de curso na UFRJ: Uma análise de sobrevivência. Educação em Revista, 39, Artigo e37576. https://doi.org/10.1590/0102-469837576
Luiz, G. V., Porto, R. S., Souza, A. L., & Cottini, F. A. S. (2024). Evasão no ensino superior: Diferenças e similaridades entre graduados e desistentes em uma IES federal do interior de Minas Gerais. Contribuciones a Las Ciencias Sociales, 17, Artigo e7374. https://doi.org/10.55905/revconv.17n.6-094
Malhotra, N. K. (2019). Pesquisa de marketing (7ª ed.). Bookman.
Mascena, M. B. C., & Coimbra, D. B. (2022). Por que o índice de evasão de alunos em cursos de administração de IES privadas é tão alto? Gestão Executiva, 1(4), 6–10. https://doi.org/10.5020/2965-6001.2022.14214
Nierotka, R. L., Bonamino, A. M., & Carrasqueira, K. (2023). Acesso, evasão e conclusão no ensino superior público: Evidências para uma coorte de estudantes. Ensaio: Avaliação e Políticas Públicas em Educação, 31(118), 1-24. https://doi.org/10.1590/S0104-40362022003003107
Niyogisubizo, J., Hernandez-Garcia, A. J., Preciado, L., & Sanchez-Figueroa, F. (2022). Predicting student’s dropout in university classes using two-layer ensemble machine learning approach: A novel stacked generalization. Computers and Education: Artificial Intelligence, 3, Artigo 100066. https://doi.org/10.1016/j.caeai.2022.100066
Nóbrega, B. S. da, Maia, J. da S., Tavares, N. P., & Rocha, V. R. V. da. (2023). Evasion of students in higher education - An analysis of academic and socio-economic variables. Cuadernos de Educación y Desarrollo, 15(1), 611-619.
Nóbrega, B. S., Maia, J. S., Silva, M. A., Filho, Almeida, E. E., Junior, & Alves, M. B. (2022). Sistema para identificação e monitoramento de estudantes em risco de evasão. Brazilian Journal of Development, 8(11), 74311–74323. https://doi.org/10.34117/bjdv8n11-239
Paula, G. B. de, & Picanço, F. (2024). Desigualdades após o acesso: Origem social e evasão do sistema de ensino superior. Educação & Sociedade, 45, Artigo e281915. https://doi.org/10.1590/es.281915
Prenkaj, B., Velardi, P., Stilo, G., Distante, D., & Faralli, S. (2020). A survey of machine learning approaches for student dropout prediction in online courses. ACM Computing Surveys, 53(3). https://doi.org/10.1145/3388792
Reichheld, F. F. (2003). The one number you need to grow. Harvard Business Review, 81(12), 46–55. https://www.nashc.net/wp-content/uploads/2014/10/the-one-number-you-need-to-know.pdf
Saccaro, A., França, M. T. A., & Jacinto, P. de A. (2024). Fatores associados à evasão no ensino superior brasileiro: Um estudo de análise de sobrevivência. Estudos Econômicos, 54(1). https://doi.org/10.1590/0101-41615414
Santos, C. A. dos, Pereira, G. de Q., & Pilatti, L. A. (2025). Análise dos fatores determinantes da evasão no ensino superior brasileiro e propostas de mitigação. Revista on line de Política e Gestão Educacional, 29, Artigo e025014. https://doi.org/10.22633/rpge.v29i00.19830
Semesp. (2020). Mapa do ensino superior no Brasil (10ª ed.). https://www.semesp.org.br/mapa/
Semesp. (2025). Dados Brasil – 15º mapa do ensino superior – 2025. Instituto Semesp.
Semesp. (2026). Mapa do ensino superior no Brasil (16ª ed.). Instituto Semesp.
Schmatz, R., Wolf, G., & Landmann, M. (2015). Students as customers, the Net Promoter Score as a measure of satisfaction and loyalty in higher education. EAIR 37th Annual Forum, Krems, Áustria. https://www.researchgate.net/publication/341234599
Silva, A. M., Rosini, A. M., & Silva, O. R. da. (2018). Identificação dos aspectos referentes à evasão em cursos de educação à distância nas áreas de administração e gestão financeira. REPAE - Revista de Ensino e Pesquisa em Administração e Engenharia, 3(2), 366–384. https://doi.org/10.51923/repae.v3i2.107
Silva, J. A. R. (2012). Permanência de alunos nos cursos presenciais e a distância em Administração: Contribuições para a gestão acadêmica [Tese de doutorado, Fundação Getúlio Vargas]. Biblioteca Digital FGV.
Silvestri, F., Souza, V., & Vieira, A. (2025). Mineração de dados educacionais: Uma análise sobre os preditores da evasão no ensino superior. Revista Educar Mais, 9, 1-23. https://doi.org/10.15536/reducarmais.9.2025.4120
Souza, A. L. de, Luiz, G. V., Porto, R. S., Mendes, J. A. B., & Cottini, F. A. dos S. (2024). Evasão no ensino superior: Diferenças e similaridades entre graduados e desistentes em uma IES federal do interior de Minas Gerais. Contribuciones a Las Ciencias Sociales, 17(6), Artigo e7374. https://doi.org/10.55905/revconv.17n.6-094
Teodoro, L. A., & Kappel, M. A. A. (2020). Aplicação de técnicas de aprendizado de máquina para predição de risco de evasão escolar em instituições públicas de ensino superior no Brasil. Revista Brasileira de Informática na Educação, 28, 838–863. https://doi.org/10.5753/rbie.2020.28.0.838
Tinto, V. (1975). Dropout from higher education: A theoretical synthesis of recent research. Review of Educational Research, 45(1), 89–125. http://www.jstor.org/stable/1170024
Urubatan Filho, E. (2025). Spark: acenda sua chama de empreendedor. Aude Educação.
Vale, C. T. de O. do, Castro Neto, J. D. G. de, Ribeiro, T. M., & Fonseca, P. R. C. F. e. (2021). Net Promoter Score (NPS) como instrumento para a mensuração da satisfação em uma instituição de ensino superior. Revista Capital Científico - Eletrônica (RCCe), 19(4), 58–73. https://doi.org/10.5935/2177-4153.20210029
Vescovi, P. V. da S. (2020). Análise preditiva na detecção de evasão de alunos no ensino superior privado brasileiro [Dissertação de mestrado, Fundação Getúlio Vargas]. Biblioteca Digital FGV. http://bibliotecadigital.fgv.br/dspace/handle/10438/28907