Temos os dados carregados previamente e agora é o momento de realizar uma análise mais aprofundada do conteúdo disponível.
Analisando os dados
O retorno abaixo foi parcialmente transcrito. Para conferi-lo na íntegra, execute o código na sua máquina.
| # | Column | Non-Null Count | Dtype |
|---|
| 0 | Estado Civil | 4424 non-null | object |
| 1 | Migração | 4424 non-null | object |
| 2 | Sexo | 4424 non-null | object |
| 3 | Idade na matrícula | 4424 non-null | int64 |
| 4 | Estrangeiro | 4424 non-null | object |
| … | … | … | … |
Possuímos informações demográficas das pessoas estudantes, abrangendo seu estado civil, uma categoria que sinaliza a migração (indicando se houve uma mudança de cidade ou local para ingressar na faculdade), dados sobre o sexo biológico e a idade no momento da matrícula.
Além disso, dispomos de uma variável que identifica se o estudante é estrangeiro, uma vez que estamos lidando com uma instituição de ensino em Portugal, onde a presença de estudantes internacionais é uma possibilidade.
Também temos dados socioeconômicos, como se a pessoa possui "necessidades educacionais especiais", se é uma pessoa devedora - pois, sendo uma instituição particular, as mensalidades precisam ser pagas regularmente - e informações sobre a adimplência da taxa de matrícula e se a pessoa é bolsista.
Também temos acesso aos dados macroeconômicos, incluindo a taxa de desemprego, a taxa de inflação e o PIB do período em questão. Posteriormente, temos informações sobre o momento da matrícula: o curso escolhido, o período (diurno ou noturno), e se a pessoa tinha alguma qualificação prévia - é possível que encontre pessoas que já fizeram outra faculdade ou até pós-graduação, mas querem cursar um segundo curso.
Possuímos informações referentes aos cursos que os estudantes efetivamente frequentaram durante o primeiro e o segundo semestres.
Isso compreende dados relacionados às disciplinas do primeiro semestre, tais como a quantidade creditadas, matrículadas, o número de avaliações que a pessoa estudante realizou, o total de disciplinas aprovadas, bem como as respectivas notas e outros pormenores semelhantes.
O mesmo procedimento se aplica ao segundo semestre.
A coleta de informações dos semestres iniciais e intermediários é justificável, uma vez que, como mencionei anteriormente, durante minha época como estudante, ao transitar do segundo ao terceiro semestre, pude observar que muitos estudantes abandonaram seus cursos. Essa situação é recorrente, e diversos elementos podem contribuir para esse abandono.
Isso pode ocorrer devido ao fato de a pessoa ter iniciado seus estudos e não ter se identificado com o curso, percebendo que não era realmente sua vocação. Talvez também tenha enfrentado desafios em uma disciplina específica, levando à desistência.
Além disso, razões de ordem econômica, como a falta de recursos financeiros para se manter na faculdade, podem ser determinantes.
Por último, destacamos uma coluna especial, a qual é fundamental para o modelo de Machine Learning (Aprendizado de Máquina) - denominada de "Target" na última linha do conjunto de dados.
O que representa essa coluna? Ela contém as classes que planejamos prever no futuro. E que classes são essas? Podemos examiná-las por meio do comando a seguir:
O comando acima retorna os valores únicos que temos dentro da coluna "Target". Executamos a célula com "Shift + Enter" e obtemos:
array(['Desistente", "Graduado', 'Matriculado'], dtype=object)
Os valores retornados são: "Desistente", "Graduado" e "Matriculado". Note que temos algo diferente, em vez de duas classes - que é o comum quando trabalhamos com classificação - nós temos três.
Temos pessoas que estão desistindo (desistentes), pessoas marcadas como graduadas (que efetivamente se formaram, concluíram o curso, receberam o diploma) e pessoas marcadas como matriculadas. Quem seria essa última categoria?
Na situação descrita, não podemos afirmar com certeza se a pessoa estudante irá abandonar o curso ou concluir a graduação. Estamos lidando com um cenário intermediário que também requer acompanhamento. É crucial monitorar de perto tanto as pessoas estudantes que desistem quanto aqueles que obtêm a graduação.
Para criar estratégias, a universidade precisa desenvolver mecanismos para que essas pessoas permaneçam. Portanto, o objetivo é conseguir classificar essas pessoas, especialmente as que estão em situação de desistência e as matriculadas, que são o nosso maior foco.
Conclusão
Entretanto, há várias variáveis além do nosso objetivo principal, um amplo conjunto de elementos a serem levados em conta.
Na próxima aula, vamos iniciar uma análise dessas variáveis, ou pelo menos da maioria delas, examinando-as detalhadamente, gerando gráficos e examinando as frequências.
Até mais!