Método de Regressão de Cox

O modelo de regressão de Cox foi ajustado a variável tempo até o aluno ser cancelado, tendo como covariáveis: curso, sexo, tipo de vaga concorrida e o tipo de escola. A regressão de Cox foi aplicada com o intuito de verificar a relação entre as variáveis, o resultado está apresentado na tabela 4.8.

Tabela 4. 8 –Estimativas obtidas para a regressão de Cox ajustados aos dados dos discentes cancelados

Variáveis B Exp(B) 95% IC para Exp(B) Pr(>|z|)

Inf Sup Curso -0.1521 0.8589 0.6793 1.086 0.204 Sexo 0.2116 1.2356 1.003 1.522 0.047 * Vaga -0.1056 0.8997 0.7241 1.118 0.3403 0.3783 1.4598 1.0160 2.097 0.0408 * Escola 0.1369 1.1467 0.9362 1.405 0.186

Fonte: Esta pesquisa (2018)

Para verificar a existência de significâncias dos betas entre as variáveis, basta observar se o valor 1 pertence ao intervalo de confiança estimado. Sendo assim, de acordo com a tabela 4.8 pode-se notar que não há significâncias entre os estudantes dos cursos do BCET e ESA e o tipo de vaga em comparação com os discentes que optaram por ampla concorrência e cotas raciais, em outra vaga percebe-se que há significância.

De acordo com o sexo, percebe-se que por ser homem aumenta a chance em 23% de ser cancelado entre os evadidos.

Ao comparar os discentes que ingressaram por cotas raciais e o que entrou por ter estudado o ensino médio em escola pública, nota-se que o estudante que estudou em escola pública a chance de ser cancelado é de em aproximadamente 46%.

Com respeito a variável tipo de escola que estudou no 2º grau, o discente que é oriundo de escola pública aumenta a chance em 14% de ser cancelado em comparação com o discente proveniente de escola privada.

Tabela 4. 9 –Estimativas obtidas para a regressão de Cox ajustados as covariáveis com significâncias

Variáveis B Exp(B) 95% IC para Exp(B) Pr(>|z|)

Inf Sup

Sexo 0.2116 1.2356 1.003 1.522 0.047 *

Vaga 0.3783 1.4598 1.0160 2.097 0.0408 *

5 CONCLUSÕES

O principal objetivo deste estudo foi caracterizar a evasão dos cursos do Centro de Ciências Exatas e Tecnológicas UFRB, visto que os fatores explicativos para a evasão podem ser distintos de acordo com cada universidade, pois cada uma possuem suas peculiaridades.

Dentre os dados dos evadidos, há os desistentes e cancelados. Na análise de sobrevivência trabalhou-se com o cancelamento sendo o evento de interesse, pois são desconhecidos os motivos das desistências e devido aos dados disponibilizados ter poucas informações, determinar os possíveis fatores através desta técnica seria inviável, além dos resultados ser considerados incertos. Já os cancelamentos, por ser uma medida institucional é possível saber as possíveis causas do cancelamento de acordo com o regimento, logo através deste trabalho é possível buscar medidas preventivas para tal ocorrência.

Com a análise descritiva dos dados foi possível concluir que o CETEC possui uma taxa alta de evasão, em relação aos outros centros; que possui poucos formandos em relação a quantidade de alunos ingressantes. A evasão é maior no curso do BCET em relação ao ESA e para discentes do sexo masculino, já que existe predominância masculina nos cursos do BCET. A quantidade de alunos cancelados é tão alta quanto a de alunos desistentes e a evasão é maior para estudantes oriundos de escola pública e para os ingressantes que concorreram pela modalidade de vaga em ampla concorrência.

Com os resultados da análise de sobrevivência, obteve que os discentes do curso do BCET possuem uma probabilidade um pouco maior de ser cancelados primeiro do que os dos ESA. De acordo com o sexo, o cancelamento para as mulheres ocorre um pouco mais tarde em relação aos homens e os discentes que estudaram em escola pública no ensino médio são cancelados primeiro, logo no quarto semestre, metade dos alunos foram cancelados. Na regressão de Cox, foi constatado que o sexo masculino possui um risco maior de ser cancelados, aumenta em 24% e o que estudou em escola pública as chances aumenta em 15% em relação ao discente que estudou em escola particular.

Conclui-se assim que o perfil do discente cancelado no Centro de Ciências Exatas e Tecnológicas é de um discente do curso do BCET, do sexo masculino e oriundo de escola pública e no quarto semestre. em que momento ocorre este cancelamento.

Esses achados servirão para auxiliar numa tomada de decisões que permita a diminuição da evasão no Centro e consequentemente na UFRB. Sendo possível essa diminuição através de procedimentos institucionais que favoreça o acompanhamento pedagógico e acadêmico.

Logo, é de extrema importância cada universidade e cada centro estudar e caracterizar a evasão, pois assim, é possível buscar soluções e políticas para a diminuição da mesma, já que sua ocorrência significa vários danos para a universidade como um todo.

CONSIDERAÇÃO FINAL

Por consequência do banco de dados disponibilizado ter apenas as informações de discentes evadidos, o estudo da evasão não obteve dados tão preciso, pois para caracterizar por completo a evasão por meio da técnica aplicada é necessário um banco do fluxo universitário completo, ou seja, de ingressos, evadidos, formandos, retidos, entre outras informações. Ressaltando que com as informações necessárias, esse estudo poderia ser de grande importância para a universidade.

APÊNDICE ########################################################################## # PROGRAMA EXECUTADO NO R # ########################################################################## ############################## Análise evasão ############################## require(fBasics) require(survival) require(graphics) ############################## 1. Leitura do Arquivo ##########################

Banco_Eva<-read.table("C:/Banco/Banco 05.txt", header=TRUE, sep="") Banco_Eva summary(Banco_Eva) Banco_Eva$CURSO1<-as.factor(Banco_Eva$CURSO) Banco_Eva$MOTIVO_EVA1<-as.factor(Banco_Eva$MOTIVO_EVA) Banco_Eva$GENERO1<-as.factor(Banco_Eva$GENERO) Banco_Eva$COTAS_ENT1<-as.factor(Banco_Eva$COTAS_ENT) Banco_Eva$ENSINO_MÉDIO1<-as.factor(Banco_Eva$ENSINO_MÉDIO) summary(Banco_Eva) summary(Banco_Eva$TEMPO) summary(Banco_Eva$TEMPO[Banco_Eva$CURSO==1]) summary(Banco_Eva$TEMPO[Banco_Eva$CURSO==2]) sd(Banco_Eva$TEMPO) sd(Banco_Eva$TEMPO[Banco_Eva$CURSO==1]) sd(Banco_Eva$TEMPO[Banco_Eva$CURSO==2]) ############################## 2. Gráficos ##################################

pie(table(Banco_Eva$CURSO1),labels=c("BCET","ESA"),main="Gráfico de setores: Cursos") text(locator(n=1), paste(round(prop.table(table(Banco_Eva$CURSO1))[1], digits=2)*100,"%")) text(locator(n=1), paste(round(prop.table(table(Banco_Eva$CURSO1))[2], digits=2)*100,"%")) pie(table(Banco_Eva$GENERO1),labels=c("MULHER","HOMEM"),main="Gráfico de setores: Sexos") text(locator(n=1), paste(round(prop.table(table(Banco_Eva$GENERO1))[1], digits=2)*100,"%")) text(locator(n=1), paste(round(prop.table(table(Banco_Eva$GENERO1))[2], digits=2)*100,"%")) pie(table(Banco_Eva$MOTIVO_EVA1),labels=c("DESISTENTES","CANCELADOS"),main=" Gráfico de setores: Motivo")

text(locator(n=1), paste(round(prop.table(table(Banco_Eva$MOTIVO_EVA1))[1], digits=2)*100,"%")) text(locator(n=1), paste(round(prop.table(table(Banco_Eva$MOTIVO_EVA1))[2], digits=2)*100,"%")) pie(table(Banco_Eva$COTAS_ENT1),labels=c("Ampla Concorrência","Cotas Raciais","Escola Pública"),main="Gráfico de setores: Vagas")

text(locator(n=1), paste(round(prop.table(table(Banco_Eva$COTAS_ENT1))[1], digits=2)*100,"%")) text(locator(n=1), paste(round(prop.table(table(Banco_Eva$COTAS_ENT1))[2], digits=2)*100,"%")) text(locator(n=1), paste(round(prop.table(table(Banco_Eva$COTAS_ENT1))[3],

digits=2)*100,"%"))

pie(table(Banco_Eva$ENSINO_MÉDIO1),labels=c("PARTICULAR","PÚBLICO"),main="Gráfi co de setores: Ensino Médio")

text(locator(n=1), paste(round(prop.table(table(Banco_Eva$ENSINO_MÉDIO1))[1], digits=2)*100,"%")) text(locator(n=1), paste(round(prop.table(table(Banco_Eva$ENSINO_MÉDIO1))[2], digits=2)*100,"%")) ######################### 3. Estimador de Kaplan-Meier ######################## Banco_Eva$censura<-rep(1, times=length(Banco_Eva$MOTIVO_EVA)) Banco_Eva$censura[Banco_Eva$MOTIVO_EVA==1]=0 head(Banco_Eva) ekm_CURSO1<- survfit(Surv(Banco_Eva$TEMPO,Banco_Eva$censura)~Banco_Eva$CURSO1) summary(ekm_CURSO1)

plot(ekm_CURSO1, lty=c(2,1), xlab="Tempo (semestre)",ylab="S(t) estimada") legend(1,0.3,lty=c(2,1),c("BCET","ESA"),lwd=1, bty="n")

ekm_GENERO1<-

survfit(Surv(Banco_Eva$TEMPO,Banco_Eva$censura)~Banco_Eva$GENERO1) summary(ekm_GENERO1)

plot(ekm_GENERO1, lty=c(2,1), xlab="Tempo (semestre)",ylab="S(t) estimada") legend(1,0.3,lty=c(2,1),c("Homem","Mulher"),lwd=1, bty="n")

ekm_MOTIVO_EVA1<-

survfit(Surv(Banco_Eva$TEMPO,Banco_Eva$censura)~Banco_Eva$MOTIVO_EVA1) summary(ekm_MOTIVO_EVA1)

plot(ekm_MOTIVO_EVA1, lty=c(2,1), xlab="Tempo (semestre)",ylab="S(t) estimada") legend(1,0.3,lty=c(2,1),c("Desistente","Cancelado"),lwd=1, bty="n")

ekm_COTAS_ENT1<-

survfit(Surv(Banco_Eva$TEMPO,Banco_Eva$censura)~Banco_Eva$COTAS_ENT1) summary(ekm_COTAS_ENT1)

plot(ekm_COTAS_ENT1, lty=c(2,1,3), xlab="Tempo (semestre)",ylab="S(t) estimada") legend(1,0.3,lty=c(2,1,3),c("Ampla Concorrência","Cotas Raciais","Escola pública"),lwd=1, bty="n")

ekm_ENSINO_MÉDIO1<-

survfit(Surv(Banco_Eva$TEMPO,Banco_Eva$censura)~Banco_Eva$ENSINO_MÉDIO1) summary(ekm_ENSINO_MÉDIO1)

plot(ekm_ENSINO_MÉDIO1, lty=c(2,1), xlab="Tempo (semestre)",ylab="S(t) estimada") legend(1,0.3,lty=c(2,1),c("Particular","Publica"),lwd=1, bty="n") ########################### 4. Regressão de Cox ############################# fit<-coxph(Surv(Banco_Eva$TEMPO,Banco_Eva$censura) ~ factor(Banco_Eva$CURSO1), data=Banco_Eva,x = T, method="breslow") summary(fit) fit$loglik fit2<-coxph(Surv(Banco_Eva$TEMPO,Banco_Eva$censura) ~

factor(Banco_Eva$GENERO1), data=Banco_Eva,x = T, method="breslow") summary(fit2)

fit2$loglik

fit3<-coxph(Surv(Banco_Eva$TEMPO,Banco_Eva$censura) ~

factor(Banco_Eva$COTAS_ENT1), data=Banco_Eva,x = T, method="breslow") summary(fit3)

fit3$loglik

fit4<-coxph(Surv(Banco_Eva$TEMPO,Banco_Eva$censura) ~

factor(Banco_Eva$ENSINO_MÉDIO1), data=Banco_Eva,x = T, method="breslow") summary(fit4)

REFERÊNCIAS BIBLIOGRÁFICAS

ALMEIDA, E. P.; VELOSO, T. C.M. A. Evasão nos cursos de graduação da Universidade Federal de Mato Grosso, campus universitário de Cuiabá: Um processo de exclusão. Cuiabá: UFMT. 2002.

ALVES, T. W.; ALVES, V. V. Fatores determinantes da evasão universitária: uma análise a partir dos alunos da UNISINOS. Contextus - Revista Contemporânea de Economia e Gestão, v. 10, n. 2, p. 115-129, 2012.

BASTOS, J.; ROCHA, C. Análise de Sobrevivência: Conceitos Básicos. ArquiMed, v.20, n.5-6, Porto, set., 2006.

BIAZUS, Cleber Augusto. Sistema de Fatores que influenciam o aluno a evadir-se dos Cursos de Graduação na UFSM e na UFSC: um estudo no curso de Ciências Contábeis. 2004. Tese (Doutorado em Engenharia de produção). UFSC, Florianópolis.

BOTELHO, F.; SILVA, C.; CRUZ, F. Epidemiologia explicada-análise de sobrevivência. 2009. Acta Urológica 26; 4: 33-38, 2009. Disponível em: <http://www.apurologia.pt/acta/4-2009/epidem-explic.pdf>. Acesso em: 07 de Jul. 2018.

CAMPOS, Jansen Dodô da Silva. Fatores explicativos para a evasão no ensino superior através da análise de Sobrevivência: o caso da UFPE. 2016. Dissertação (Mestrado em pesquisa Operacional) – Programa de pós-graduação em Engenharia de Produção UFPE, Pernambuco.

CARVALHO, M. S., ANDREOZZI, V. L., CODECO, C, T., BARBOSA, M. T. S. & SHIMAKURA, S. E. Análise de Sobrevivência: teoria e aplicações em saúde, 2.ed. Rio de janeiro: Fiocruz, 2011.

COLOSIMO, E. A.; GIOLO, S.R. Análise de Sobrevivência Aplicada. 1.ed. São Paulo: Edgard Blucher, 2006.

COX, D.R. Regression Models and Life Tables.Journal Royal Statistical Society, Series B, v.34, n.2, p.187-220, 1972.

HIPOLITO, Oscar. Índice de evasão no ensino superior do Brasil é de cerca de

21%. 2015. Disponível em <

http://noticias.universia.com.br/destaque/noticia/2015/10/06/1132040/indice-evasao- ensino-superior-brasil-cerca-21-inscreva-seminario.html>. Acesso em: 06/08/2018.

KAPLAN, E.L.; MEIER, P. Nonparametric estimation from incomplete observations. Journal of the American Statistical Association, v.53, n.282, p.457-481, jun.,1958.

LIMA, P.; SILVEIRA, F.L.; OSTERMANN, F. Análise de sobrevivência aplicada ao fluxo escolar nos cursos de graduação de física: um exemplo de uma universidade brasileira. Revista Brasileira de Ensino de Física, V. 42, N.1, 1403, mar, 2011.

MIRANDA, M. S. Técnicas não-paramétricas e paramétricas usadas na análise de sobrevivência de Chrysoperla externa (Neuroptera: Chrysopidae).2012. 56p. Dissertação (Mestrado em Estatística Aplicada e Biometria) Programa de Pós- graduação em Estatística Aplicada e Biometria. Universidade Federal de Viçosa. Viçosa.

NOGUEIRA, FERNANDA. País perde R$ 9 bilhões com evasão no Ensino

Superior, diz pesquisador. 2011. Disponível

em:<http://g1.globo.com/educacao/noticia/2011/02/ pais-perde-r-9-bilhoes-com- evasao-no-ensino-superior-diz-pesquisador.html >. Acesso em: 06/08/2018.

ROCHA, Cristina. Modelos de Sobrevivência. In: SEMINÁRIO DE ESTATÍSTICA E DE ECONOMETRIA, nov., 1995, Lisboa. Anais.

SANTOS, Janete. A evasão nos cursos de graduação da Universidade Federal do Recôncavo da Bahia pós-ENEM/SISU. 2017. Tese (Doutorado em Ciências da Educação). Universidade de Minho, Braga.

SILVA, Renato. Deserción: Competitividad ó Gestion. Revista Lasallista de Investigación. Colômbia, v.2, p.64-69, 2006.

SINDICATO DAS MANTENEDORAS DE ENSINO SUPERIOR. Mapa do Ensino Superior do Brasil. São Paulo: 2016.

STIGLER, S.M. Citation Patterns in the Journals of Statistics and Probability. Statistical Science, v.9, p.94-108, 1994.

STRAPASSON, Elizabeth. Comparação de modelos com censura intervalar em análise de sobrevivência. 2007. Tese (Doutorado em Agronomia). USP, São Paulo.

UNIVERSIDADE FEDERAL DO RECÔNCAVO DA BAHIA. Relatório de Gestão. Cruz das Almas, 2018. Disponível em:< https://www.ufrb.edu.br/prograd/relatorios-de- gestao> Acesso em: 06/08/2018.