Sistema de IA de Alerta Precoce para Risco de Abandono Escolar — Mohammed VI Polytechnic University e o Ministério da Educação Nacional de Marrocos

O Ministério da Educação Nacional, Pré-Escolar e Desporto de Marrocos associou-se à Universidade Politécnica Mohammed VI (UM6P) para combater o abandono escolar, utilizando um extenso conjunto de dados administrativos com cerca de 1,4 milhões de registos de alunos ao longo de cinco anos letivos na região de Fez-Meknés.

O projeto tinha como objetivo construir um sistema de aprendizagem automática explicável capaz de sinalizar, com antecedência suficiente para permitir a intervenção das escolas, os alunos em risco de abandono, recorrendo à interpretabilidade baseada em SHAP para que as previsões pudessem ser compreendidas pelos administradores escolares em vez de funcionarem como uma caixa negra.

Os investigadores compararam cinco algoritmos (Árvore de Decisão, Random Forest, XGBoost, LightGBM e uma abordagem de votação por conjunto) treinados com mais de 100 variáveis ao nível do aluno, aplicando depois o SHAP para identificar os fatores que mais influenciavam cada previsão de risco.

Com uma divisão aleatória dos dados, a melhor configuração atingiu 88% de exatidão, 88% de sensibilidade (recall), 86% de precisão e uma AUC de 87%; o melhor modelo isolado (LightGBM, no nível 7) obteve 83% de exatidão e 89% de AUC. O desempenho caiu de forma acentuada quando avaliado com uma divisão cronológica mais realista (ano após ano), o que os autores atribuem em parte à disrupção causada pela COVID-19 nos padrões habituais de abandono escolar.

Os autores apresentam o sistema como um resultado de investigação promissor mas ainda preliminar, limitado a uma única região, alertando que os valores de exatidão divulgados podem não se manter num contexto real de utilização e assinalando que a reduzida proporção de casos de abandono complica a classificação.