Navegando por Assunto "Ciências exatas"

Agora exibindo 1 - 2 de 2

Análise da participação das mulheres nas Ciências Exatas: um incentivo necessário
(2021-02-26) Santana, Fernanda Kelly de; Lins, Micherllaynne Alves Ferreira; http://lattes.cnpq.br/1692078320318220; http://lattes.cnpq.br/9819403074795750
Historicamente a presença feminina em universidades foi marcada por déficits e dificuldades, as mulheres não tinham acesso à educação, e eram ensinadas apenas a cuidar da casa e da família, o sonho de ser independente e contribuir com a sociedade estava distante. Com muita luta, estas conquistaram primeiramente espaços na educação primária e secundária e só após longos anos que ingressaram na educação superior. O presente estudo teve como objetivo analisar a formação e participação das mulheres no contexto das Ciências Exatas, evidenciando as dificuldades e perspectivas destas. Trata-se de um estudo retrospectivo, descritivo e documental, realizado através de banco de dados da UFRPE (Universidade Federal Rural de Pernambuco) e estudos relacionados feito através de uma revisão narrativa da literatura. O estudo evidenciou as dificuldades enfrentadas pelas mulheres durante a formação e atuação, principalmente no tocante as Ciências Exatas, enfatizando ainda a baixa participação feminina nessas áreas. Como resultado obteve-se que o corpo docente da instituição analisada é predominantemente masculino, já o corpo discente ingressante é predominantemente masculino em todos os cursos analisados, quanto ao recorte perante as áreas de exatas essa diferença é ainda maior, por outro lado, para todos os cursos analisados, mais mulheres conseguem concluir a graduação. Como esperado, segundo o último censo do DGP, desde jovens os homens majoritariamente ocupam cargos de liderança, enquanto que as mulheres continuam sendo a maioria como não liderança nos grupos de pesquisa. Para os estudantes que produzem pesquisa, felizmente as mulheres são maioria nos diferentes níveis de treinamento.
Uma análise de vieses de gênero, raça e localização geográfica em modelos de predição de evasão em IES com foco na área de STEM
(2026-02-12) Pacheco, Melissa Araújo; Albuquerque Junior, Gabriel Alves de; http://lattes.cnpq.br/1399502815770584
A evasão no ensino superior é crítica, e modelos de Machine Learning usados para combatê-la podem replicar desigualdades. Este trabalho audita um modelo de predição de evasão treinado com dados reais, utilizando métricas de justiça e Explainable AI (SHAP). Apesar da acurácia global de 87%, detectou-se uma dicotomia de erros: um viés punitivo contra estudantes de STEM (altos falsos positivos) e um viés de negligência em relação a mulheres (altos falsos negativos), invisibilizando alunas em risco real. O SHAP confirmou que gênero e localização influenciam indevidamente as decisões, evidenciando que a validação ética é indispensável para evitar a exclusão automatizada na gestão acadêmica.