Uma análise de vieses de gênero, raça e localização geográfica em modelos de predição de evasão em IES com foco na área de STEM
| dc.contributor.advisor | Albuquerque Junior, Gabriel Alves de | |
| dc.contributor.advisorLattes | http://lattes.cnpq.br/1399502815770584 | |
| dc.contributor.author | Pacheco, Melissa Araújo | |
| dc.date.accessioned | 2026-03-31T12:14:34Z | |
| dc.date.issued | 2026-02-12 | |
| dc.degree.departament | Estatística e Informática | |
| dc.degree.graduation | Bacharelado em Sistemas da Informação | |
| dc.degree.level | bachelor's degree | |
| dc.degree.local | Recife | |
| dc.description.abstract | 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. | |
| dc.description.abstractx | Dropout in higher education is critical, and Machine Learning models used to address it may replicate inequalities. This work audits a dropout prediction model using real data, fairness metrics, and Explainable AI (SHAP). Despite 87% global accuracy, results reveal a dichotomy of errors: a punishment bias against STEM students (high false positives) and a negligence bias towards women (high false negatives), rendering at-risk female students invisible. SHAP analysis confirmed that gender and location unduly influence decisions, highlighting that ethical validation is essential to prevent automated exclusion in academic management. | |
| dc.format.extent | 40 f. | |
| dc.identifier.citation | PACHECO, Melissa Araújo. 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. 40 f. Trabalho de Conclusão de Curso (Bacharelado em Sistemas de Informação) – Departamento de Estatística e Informática, Universidade Federal Rural de Pernambuco, Recife, 2026. | |
| dc.identifier.uri | https://arandu.ufrpe.br/handle/123456789/8414 | |
| dc.language.iso | pt_BR | |
| dc.publisher.country | Brazil | |
| dc.publisher.initials | UFRPE | |
| dc.rights | openAccess | |
| dc.rights.license | Attribution 4.0 International | en |
| dc.rights.uri | http://creativecommons.org/licenses/by/4.0/ | |
| dc.subject | Evasão universitária | |
| dc.subject | Aprendizado do computador | |
| dc.subject | Inteligência artificial | |
| dc.subject | Ética social | |
| dc.subject | Programação heurística | |
| dc.subject | Ciências exatas | |
| dc.subject | Estudantes universitários | |
| dc.title | Uma análise de vieses de gênero, raça e localização geográfica em modelos de predição de evasão em IES com foco na área de STEM | |
| dc.type | bachelorThesis |