61.3 Problema de Pesquisa
396 CONCLUSÃO E CONSIDERAÇÕES FINAIS
72 FUNDAMENTAÇÃO TEÓRICA E REVISÃO DA LITERATURA
406.1 Síntese dos Principais Achados
82.1 A Teoria da Aprendizagem Significativa de David Ausubel
416.2 Respostas à Questão de Pesquisa e aos Objetivos
92.2 Evasão no Ensino Superior: Conceitos e Perspectivas
426.3 Contribuições do Estudo Científico realizada pelo autor deste Livro
102.3 Teorias da Aprendizagem e Desenvolvimento Cognitivo
436.3.1 Contribuições Teóricas
112.4 Ciência de Dados e Inteligência Artificial Generativa na Educação
446.3.2 Contribuições Metodológicas
122.5 Revisão Sistemática da Literatura
456.3.3 Contribuições Práticas
133 METODOLOGIA DA PESQUISA
466.4 Limitações do Estudo
143.1 Abordagem da Pesquisa
476.5 Sugestões para Futuras Pesquisas
153.2 Universo e Amostra
486.6 Considerações Finais
163.3 Coleta de Dados e Fonte
49POSFÁCIO
173.3.1 Coleta de Dados Quantitativos e Qualitativos
50APÊNDICES
183.3.2 Variáveis do Modelo Preditivo e sua Operacionalização
51APÊNDICE A: LISTA COMPLETA DAS 140 DIFERENTES VARIÁVEIS COM DESCRIÇÃO OPERACIONAL
193.4 Processamento e Análise dos Dados Quantitativos
52APÊNDICE B: PROTOCOLO DE PRÉ-PROCESSAMENTO DE DADOS
203.5 Planejamento e Execução do Experimento Real
53C.1 Introdução
213.6 Análise dos Dados Qualitativos
54C.2 Objetivos do Pré-processamento
223.7 Considerações Éticas
55C.3 Fluxo de Pré-processamento
234 DESENVOLVIMENTO E AVALIAÇÃO DO MODELO PREDITIVO
56C.4 Etapas Detalhadas do Pré-processamento
244.1 Caracterização e Análise Exploratória da Base de Dados
57C.4.1 Análise Exploratória Inicial (AED)
254.2 Desempenho Comparativo dos Algoritmos de Machine Learning
58C.4.3 Engenharia de Features (Feature Engineering)
264.3 Identificação e Justificativa do Algoritmo Mais Preciso
59C.4.4 Seleção de Features (Feature Selection)
274.4 Principais Ofensores de Evasão
60C.4.5 Balanceamento da Variável Alvo
284.5 Resultados do Experimento Real de Mitigação da Evasão
61C.4.6 Divisão dos Dados e Normalização/Padronização
294.6 Aplicação da Inteligência Artificial Generativa na Intervenção de Lift, Seleção de Features e Explainable AI
62C.5 Considerações sobre Vazamento de Dados (Data Leakage)
304.6.1 Intervenção de Lift e Personalização em Larga Escala com IAG
63C.6 Documentação e Reprodutibilidade
314.6.2 Seleção de Features e Aprimoramento de Dados via IAG
64C.7 Conclusão do Protocolo
324.6.3 Explainable AI (XAI) e a Geração de Narrativas Explicativas
65APÊNDICE C: LISTA DE SIGLAS E ABREVIAÇÕES
334.6.4 Síntese Integradora
