Motivação

Estudantes matriculados planejam se graduarem e administradores de instituições de ensino se esforçam para suportarem o sucesso dos mesmos. Infelizmente, uma porcentagem alarmante de estudantes não se graduam e, para que este fenômeno seja mitigado, um sistema capaz de identificar potenciais evasores e recomendar ações de retenção pode auxiliar de forma significativa[1].

 As instituições de ensino sofrem anualmente elevadas perdas financeiras devido à evasão de estudantes. Por esta razão, foi desenvolvida uma solução para a retenção de estudantes cujas funcionalidades encontram-se descritas no presente documento.

Arquitetura

Figura 01: Arquitetura - Retenção de Alunos by CAROL 

       Conforme ilustrado pela Figura 01, os dados utilizados para a caracterização de um estudante em um determinado curso são obtidos a partir de várias fontes de dados (e.g. ERP, redes sociais, sistema de catraca). A definição de quais fontes de dados serão exploradas depende da viabilidade em se disponibilizá-los para consumo pela aplicação. Entretanto, é importante destacar que a aplicação tem suporte para a utilização de diversas fontes.

       Dentre as bases de dados consumidas pela aplicação, o sistema de gestão educacional da Instituição constitui uma das mais importantes fontes de informação sobre o comportamento dos estudantes. Tais informações podem ser complementadas por outras fontes de dados que corroboram ou adicionam conteúdo ao conjunto de informações correspondentes aos estudantes por curso. Como exemplo, é possível validar a presença de estudantes nas aulas (informação já existente no ERP) por meio do confronto com os registros do sistema de catracas.

       A seguir, cada um destes componentes é detalhado:

               1. ERP : sistema de gestão educacional da Instituição. Centraliza as informações educacionais ( notas, presenças, cursos, matrículas em períodos e disciplinas entre outras informações relacionadas à participação dos estudantes por curso). Além destas informações, o ERP pode ainda conter registros financeiros (formas de pagamentos, bolsas de estudos, pagamentos das parcelas com e sem atraso). Caso estas informações financeiras sejam gerenciadas à parte, é necessário que o sistema responsável por este gerenciamento disponibilize os dados para o preenchimento dos modelos de dados que caracterizam os estudantes (estruturados no CAROL). Este preenchimento dá-se por meio de um processo de mapeamento que consiste em informar o significado de cada campo de cada tabela do ERP com relação aos modelos de dados e respectivos atributos do CAROL.

               2. CAROL MDM : sistema de gerenciamento de dados (MDM) que possibilita a integração de dados provenientes de diversas fontes. Pode ser entendido como um banco de dados que contém tabelas (modelos de dados) cujos dados são organizados em colunas (atributos) alimentadas pelas diversas fontes de dados utilizadas pela aplicação. Os modelos de dados existentes no CAROL correspondem às entidades relacionadas ao dia-a-dia do estudante em um curso e possuem atributos que caracterizam de forma completa e definitiva a participação do estudante em determinado curso.

                 3. CAROL.AI : Responsável pela geração do Modelo Preditivo e Processo de Classificação. Identifica padrões de comportamento dos estudantes por curso a partir da análise dos dados existentes nos modelos de dados do CAROL e recomenda uma lista de estudantes que potencialmente podem evadir nos próximos dias (e quantos dias restam até a potencial evasão de cada estudante listado). O sistema calcula a lista de estudantes com potencial para evadirem e mostra nos dashboards da CAROL App.

                 4. CAROL App: sistema de BI que possibilita a visualização dos dados existentes nos modelos de dados do CAROL por perspectivas pré-definidas. O sistema utiliza os dados do CAROL e a lista disponibilizada pelo componente CAROL.AI para a montagem de gráficos em “dashboards” que explicitam as principais características (acadêmicas, comportamentais, financeiras) dos estudantes por curso.

       É importante ressaltar que cada um dos modelos de dados listados corresponde a uma tabela preenchida com dados provenientes das diversas fontes de dados por meio do processo de mapeamento. Caso determinados atributos das tabelas não possam ser preenchidos com dados, a aplicação terá prejuízo na construção de um modelo representativo. Entretanto, tal prejuízo não inviabiliza a aplicação (caso a acurácia do modelo elaborado se mantenha em níveis aceitáveis).

       As tabelas do banco de dados MS SQL Server do sistema de gestão TOTVS utilizadas pela solução são: