Um Modelo de Alerta Precoce de Aprendizagem Automática Sensível ao Contexto para o Risco de Abandono no Ensino Secundário no Sudoeste do Uganda

A taxa de conclusão do ensino secundário inferior no Uganda situava-se em apenas 26,4%, segundo os dados mais recentes da UNESCO citados no relatório de políticas de 2024 da UNICEF sobre o setor educativo do país, com o Ministério da Educação e Desporto a atribuir mais de 40% dos abandonos a dificuldades financeiras.
Investigadores da Bishop Stuart University construíram um modelo de aprendizagem automática sensível ao contexto para identificar estudantes do ensino secundário (O-Level) em risco de abandono em seis escolas secundárias mistas privadas nos distritos de Mbarara e Isingiro, com base em registos completos de 331 dos 1.919 estudantes acessíveis. Comparando classificadores de regressão logística, floresta aleatória, máquina de vetores de suporte e k-vizinhos mais próximos com validação cruzada de cinco partições, a equipa concluiu que a SVM teve o melhor desempenho (pontuação F1 de 0,633), à frente da regressão logística (0,600), da floresta aleatória (0,511) e do KNN (0,468). O absentismo crónico, as dificuldades financeiras e os atrasos no pagamento de propinas, as longas distâncias até à escola, a fraca confiança nos exames, o bullying, o envolvimento parental limitado e o stress psicológico foram os principais indicadores de risco.
Os autores são francos quanto às limitações do modelo: uma 'pontuação F1 moderada, uma amostra escolar reduzida e não aleatória, rótulos de risco construídos pelos próprios investigadores e a ausência de validação prospetiva externa impedem o uso autónomo em decisões de alto risco.' Recomendam o seu uso apenas como um instrumento de rastreio supervisionado por humanos, alimentando encaminhamentos para aconselhamento e apoio académico, e não como uma ferramenta de decisão autónoma — uma ressalva honesta para qualquer escola que considere sistemas semelhantes.