
O Algoritmo da Permanência: como a Ciência de Dados e a Inteligência Artificial Generativa estão escrevendo o futuro da Educação Superior
Primeiro estudo científico no mundo a integrar as teorias de Vygotsky, Piaget, Pozo e Ausubel com a Ciência de Dados e a Inteligência Artificial Generativa paBy Ricardo Selas Vieira de AndradeLength7h 46m
About this audiobook
Imagine uma universidade onde a evasão não é apenas identificada, mas compreendida e interrompida antes que aconteça. Esta não é uma cena de ficção científica, mas a realidade apresentada pelo PhD Ricardo Selas Vieira de Andrade neste livro inovador. Em "O Algoritmo da Permanência", o autor realiza um feito inédito no mundo: integrar as teorias clássicas da aprendizagem de Vygotsky, Piaget, Pozo e Ausubel ao poder da Ciência de Dados e da Inteligência Artificial Generativa. Fruto de uma pesquisa robusta com mais de 18 mil estudantes e 2.533.720 milhões de dados analisados ao longo de 4 anos, a obra revela como um modelo de Rede Neural Multicamadas (com impressionante nível de precisão) pode prever quais alunos estão prestes a abandonar o curso e, mais importante, por quê. Mais do que teoria, o livro documenta um experimento real que gerou um ganho significativo na retenção de estudantes em risco, comprovando que é possível aliar tecnologia de ponta à sensibilidade humana para construir um futuro mais inclusivo no ensino superior.
Audiobook details
GenreEducation and Learning
Length7 hrs 46 mins
Narrated byListen with 1,000+ voices
FormateBook with Audio
Publish dateJun 8, 2026
LanguagePortuguese
Table of contents
11 INTRODUÇÃO
345 ANÁLISE DOS RESULTADOS QUALITATIVOS E INTEGRAÇÃO
21.1 Justificativa
355.1 Percepções dos Estudantes sobre a Evasão
31.2 Objetivos
365.2 Evasão e a Nova Cultura da Aprendizagem na Era Digital
41.2.1 Objetivo Geral
375.3 Diálogo entre os Dados Quantitativos e Qualitativos
51.2.2 Objetivos Específicos
385.4 Discussão à Luz das Teorias de Aprendizagem (Juan Pozo, Piaget e Vygotsky)
Show all chaptersShow less
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