Modelo preditivo de efetivação de matrículas com utilização da técnica de Regressão Logística

• Autor(a) principal: Pinheiro, Leonardo de Miranda
• Data de Publicação: 2014
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UFRGS
• Texto Completo: http://hdl.handle.net/10183/149712
• topic: Planejamento estratégico; Matrícula : Universidade Federal do Rio Grande do Sul; Enrollment management; Strategic planning; Logistic model

As universidades federais estão em um processo contínuo de desenvolvimento e busca de técnicas, a fim de otimizar os recursos utilizados e disponibilizados, garantindo, dessa forma, a prosperidade acadêmica e financeira. Os excessivos gastos de recursos por tais instituições, no intuito da oferta de vagas (matrículas) para seus alunos, todavia, são pouco aproveitados, gerando por consequência o seu uso desnecessário, bem como a criação de custos. Com isso, a utilização de modelos de gerenciamento de matrículas tem se tornado uma ferramenta importante para as instituições de educação superior (IES). Aplicação deste estudo piloto, utilizando a técnica de regressão logística tem o intuito de melhorar o sistema de matrículas da Universidade Federal do Rio Grande do Sul (UFRGS). Para construção do modelo preditivo (efetivação) de matrículas da UFRGS, se escolheu a disciplina de MAT01354 - Cálculo e Geometria Analítica II como piloto. Essa disciplina foi escolhida devido a sua dimensão, por ser ofertada a diversos cursos e também por possuir pré-requisitos (disciplina de Cálculo I) e diversos perfis de alunos. Foi utilizado uma base de dados fornecida pela instituição, na qual se aplicou a modelagem estatística, construindo um modelo preditivo através da técnica de Regressão Logística. O modelo construído obteve índices satisfatórios de predição para o teste KS, curva ROC, e % de acerto total, sendo assertivo para a classificação da efetivação da matrícula. Dessa forma o uso do modelo preditivo para a disciplina de Cálculo e Geometria Analítica II se mostrou eficiente na predição de matrículas, o que contribui para uma melhor gestão dos recursos da universidade.