Monitoramento e predição do engajamento acadêmico: um sistema baseado em análise de dados educacionais

Abstract

Resumo

A evasão acadêmica é um desafio relevante no ensino superior, com impactos na qualidade

educacional e na eficiência institucional. Nesse contexto, o engajamento acadêmico destaca- se como um fator essencial para a permanência e o desempenho dos estudantes. Este

trabalho apresenta a concepção e o desenvolvimento de um protótipo funcional voltado ao monitoramento do engajamento e à classificação de risco acadêmico, fundamentado em princípios de Learning Analytics e em uma lógica de classificação baseada em regras, por meio de heurísticas com pesos e limiares. O protótipo disponibiliza interfaces para visualização de indicadores e padrões de comportamento associados ao baixo engajamento, permitindo apoiar o planejamento de intervenções pedagógicas de forma mais direcionada. A metodologia adotada baseia-se em prototipagem de alta fidelidade, incluindo a estruturação de dados, o mapeamento de métricas educacionais e a demonstração visual dos critérios de risco. O desenvolvimento seguiu uma estrutura modular e utilizou dados sintéticos para verificação da viabilidade técnica das funcionalidades e da clareza na apresentação dos indicadores. Os resultados evidenciam o funcionamento do monitoramento e a capacidade do protótipo em sinalizar riscos acadêmicos por meio de alertas simulados, além de consolidar informações em painéis de apoio à decisão. Como contribuição, o trabalho apresenta uma prova de conceito que pode servir de base para instituições de ensino superior interessadas em ferramentas de suporte ao acompanhamento acadêmico e à identificação proativa de estudantes em situação de risco. Abstract

Academic dropout is a significant challenge in higher education, affecting educational quality and institutional efficiency. In this context, academic engagement stands out as a key factor for student retention and performance. This work presents the design and development of a functional prototype aimed at monitoring academic engagement and classifying academic risk, grounded in Learning Analytics principles and a rule-based classification logic using heuristics with weights and thresholds. The prototype provides interfaces to visualize indicators and behavior patterns associated with low engagement, supporting more targeted pedagogical interventions. The adopted methodology is based on high-fidelity prototyping, including data structuring, mapping of educational metrics, and a visual demonstration of risk classification criteria. The development followed a modular architecture and used synthetic data to verify the technical feasibility of the proposed functionalities and the clarity of the presented indicators. The results demonstrate the operation of the monitoring features and the prototype’s ability to signal academic risks through simulated alerts, while consolidating information into dashboards that support decision-making. As a contribution, this work offers a proof of concept that can serve as a basis for higher education institutions interested in data-driven tools to support academic monitoring and proactively identify students at risk.