Dados do Trabalho


Título

Análise preditiva de performance acadêmica de estudantes de graduação com base em dados de personalidade

Introdução

A noção de que performance acadêmica é associada apenas às habilidades cognitivas remonta às primeiras tentativas de prever a performance acadêmica dos estudantes. Entretanto, com trabalhos mais recentes, foi possível entender que é possível obter predições estatisticamente significativas do desempenho analisando também características de personalidade. Esta pesquisa buscou expandir o conhecimento neste âmbito, estudando a relação da personalidade com a performance acadêmica de alunos de ensino superior.

Objetivo

Avaliar se características comportamentais influenciam na performance acadêmica e quantificar o peso dessa influência.

Método

Estudo controlado. Foram analisados 598 alunos de uma instituição de ensino brasileira. Escolhidos os alunos calouros de 2019-1 e os calouros de 2019-2, dos cursos de Engenharia e Administração. Foram consideradas as notas finais nas disciplinas de Modelagem e Instrumentação em Engenharia, e em Cálculo e Microeconomia em Administração.
A ferramenta de análise comportamental foi inventário de personalidade Animus (da empresa Mindthru), baseado no Five-Factor Model (FFM) e na Teoria de Resposta ao Item (TRI). As 21 dimensões de personalidade presentes no Animus podem ser considerados facetas do FFM assim como as facetas presentes no Revised NEO Personality Inventory (NEO-PI-R).
Os dados foram submetidos a análises de correlação e análises preditivas com modelos de machine learning (aprendizagem de máquina) incluindo regressões lineares (multivariada e step wise), regressão XGboost (Extreme Gradient Boosting) e Redes Neurais Artificiais (RNA), de forma a obter um bom modelo preditivo de nota.

Resultados

Todos os modelos apontaram dimensões com valor estatisticamente significativo (p-valor < 0,05). No total de 21 dimensões 7 tiveram valor estatístico. Sendo que o impacto das dimensões variou conforme as disciplinas, mas alguns se repetiram como a Procrastinação influenciando negativamente de forma recorrente. Os resultados comparados dos alunos 2019-1 com os alunos 2019-2 mostraram constância nos resultados.

Conclusão

Algumas dimensões de personalidade indicaram bom poder preditivo e apresentaram resultados semelhantes ao que foram observados em pesquisas anteriores. Acreditamos que avançar com a pesquisa comportamental usando ciência de dados pode contribuir para propostas pedagógicas mais eficientes.

Palavras-chave

Ciência de dados comportamentais

Área

Neurociência básica

Autores

ANGELO REAL PEREIRA JUNIOR, MATHEUS FERREIRA NUNES