Aplicación de métodos predictivos en el abandono de la educación superior: Una revisión sistemática de la literatura

Autores/as

  • Marcelo Ferreira Tete Universidade Federal de Goiás (UFG)
  • Marcos de Moraes Sousa Universidade Federal de Goiás (PPGADM – UFG)
  • Talia Santos de Santana Goiano Federal Institute (IF Goiano) – Campus Ceres
  • Salatyel Fellipe Silva Federal University of Goiás (UFG) https://orcid.org/0000-0003-2180-9258

DOI:

https://doi.org/10.14507/epaa.30.6845

Palabras clave:

evasión en la educación superior, estado del arte, modelos predictivos, gestión universitaria

Resumen

Se considera que el abandono escolar es un problema complejo y que atraviesa por varios niveles y diemensiones de análisis. El desarrollo de modelos de predicción ha sido una respuesta más dinâmica y proactiva a este problema. La investigación tuvo el objetivo de revisar sistemáticamente la literatura sobre predicción de la deserción en la educación superior. El período de análisis fue de 2010 hacia 2020, compreendendo seis bases de datos de artículos científicos, y una muestra de 48 estudios. Los resultados indican características metodológicas y contextuales del estado del arte de la literatura científica en predicción de deserción y permiten proponer una agenda para investigaciones futuras. La muestra de estudios analizados evidenció la ausencia de investigaciones que reporten o propongan acciones de gestión y políticas educativas para más allá de la aplicación de modelos predictivos de deserción.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Marcelo Ferreira Tete, Universidade Federal de Goiás (UFG)

Professor do curso de Administração da Faculdade de Administração, Ciências Contábeis e Economia (FACE) da Universidade Federal de Goiás (UFG). É doutor em Administração pela Universidade de Brasília (UnB). Desenvolve pesquisas sobre Transições Sociotécnicas e Sistemas de Inovação em áreas como Educação Superior, Energia Renovável, Mobilidade Urbana e Cidades Inteligentes. É membro da Sustainability Transitions Research Network (STRN) e membro fundador da Sustainability Transitions Brazil (STB).

Marcos de Moraes Sousa, Universidade Federal de Goiás (PPGADM – UFG)

Doutor em Administração pela Universidade de Brasília (UnB). Professor permanente no Programa de Pós-Graduação em Administração da Universidade Federal de Goiás (PPGADM – UFG). Professor permanente no Programa de Pós-Graduação em Educação Profissional e Tecnológica do Instituto Federal Goiano (ProfEPT – IF Goiano). Pesquisa temas relacionados à Administração da Justiça, Administração Pública, Permanência e Evasão de alunos, e, Inovação no Setor Público.

Talia Santos de Santana, Goiano Federal Institute (IF Goiano) – Campus Ceres

Professora dos cursos de Informática do Campus Ceres do Instituto Federal Goiano (IF Goiano). Possui graduação em Bacharelado em Sistemas de Informação e atualmente é mestranda no Programa de Pós-graduação em Ciência da Computação (PPGCC) do Instituto de Informática da Universidade Federal de Goiás (INF – UFG).

Salatyel Fellipe Silva, Federal University of Goiás (UFG)

Pós-graduando em Docência do Ensino Superior (FABEC) e Gestão em Processos Gerenciais (FAEL), possui graduação em Engenharia de Computação pela Universidade Federal de Goiás (2018) e realizou aperfeiçoamento profissional como Supervisor Inovador pelo SENAI/GO (2020). Foi bolsista do Programa Jovens Talentos Para a Ciência da CAPES (2013-2014), e da FUNAPE/UFG no Projeto de Extensão UFGID (2020). É membro dos grupos de pesquisa em Gestão Pública e Sustentabilidade (UFG) e Sustainability Transitions Brazil.

Descargas

Publicado

2022-10-04

Cómo citar

Tete, M. F., Sousa, M. de M., de Santana, T. S., & Silva, S. F. (2022). Aplicación de métodos predictivos en el abandono de la educación superior: Una revisión sistemática de la literatura. Archivos Analíticos De Políticas Educativas, 30, (149). https://doi.org/10.14507/epaa.30.6845

Número

Vol. 30 (2022)

Sección

Articles

Licencia

Derechos de autor 2022 Marcelo Ferreira Tete, Marcos de Moraes Sousa Sousa, Thalia Santos Santana, Salatyel Fellipe Silva

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-CompartirIgual 4.0.