Políticas afirmativas : desempenho do cotista e não cotista no curso de cálculo diferencial e integral I e II nas engenharias civil, elétrica e mecânica com análise univariada e multivariada dos dados

Abstract

Resumo: Na Universidade Federal do Paraná, os cursos dos setores de exatas e de tecnologia apresentam em sua grade curricular básica algumas disciplinas, dentre elas, Cálculo I e II. Estas disciplinas por conter um grande número de reprovações, acarretam um atraso para o aluno quanto à conclusão de seu curso de graduação. A fim de auxiliar a Universidade Federal do Paraná a aumentar o rendimento acadêmico dos alunos ingressantes nos cursos de Engenharia Civil, Engenharia Elétrica e Engenharia Mecânica dos anos de 2005, 2006, 2007 e 2008, foi aplicado estatística descritiva e indutiva para descrição das variáveis, técnica da análise multivariada e redes neurais com o objetivo de traçar o perfil do aluno calouro e prever o seu desenvolvimento universitário nos primeiros anos de seu curso de graduação. Para este fim, utilizouse o questionário sócioeducacional do aluno calouro fornecido pelo Núcleo de Concurso contendo diversas informações, além de seu histórico universitário contendo informações referentes às disciplinas de Cálculo I e II, fornecido pelas coordenações de seu respectivo curso de graduação. O software Minitab foi utilizado para fazer a análise estatística descritiva e indutiva dos dados para comparação entre alunos Cotistas e não-Cotistas. As técnicas de regressão logística e redes neurais foram utilizadas para traçar o perfil do aluno e comparação estatística entre elas.

Abstract: At the University Federal of Paraná, courses of exact and technology sector have in their curricula some basic disciplines, including Calculus I and II. These disciplines have a large number of failure, while it causes to the students a delay at course conclusion. In order to helping Federal University of Paraná increasing the academic yield of students that are admitted at in courses of Civil Engineering, Electric Engineering and Mechanical Engineering in 2005, 2006, 2007 e 2008 years, it was applied statistical analysis descriptive and inductive, multivariate analysis techniques and neural networks in order to trace the profile of freshman student and to predict their academic development during the first years of their undergraduate course. For this, it was used the freshman student's socio-educational survey provided by the Center for Tenders containing several information about them, and academic record by the undergraduate course departments, containing information about Calculus I and II disciplines. Minitab software was used to do data statistical analysis descriptive and inductive in order to compare shareholders and non-shareholders students. Logistic regression and neural networks techniques software were used in order to finding student profile, and their results were compared. Analysis results were represent graphically. Moreover, results found by logistic regression and neural networks techniques were similar.