Por que olhar o primeiro semestre
Na turma que entrou na rede privada em 2015, 14% já tinham desistido do curso de ingresso no primeiro ano e 31% até o segundo, de um total de 62% em dez anos (INEP, Censo da Educação Superior 2024, desistência acumulada no curso de ingresso). Os sinais desta lista servem para agir dentro desse intervalo. Um mapeamento de 71 estudos de predição de evasão concluiu que as variáveis mais destacadas pelos modelos são o desempenho em um período de estudo, a disciplina e o curso (Jesus e Gusmão, RBIE, 2024).
Os sete sinais
Nota baixa nas primeiras avaliações #
O que observar: a nota parcial nas duas ou três primeiras semanas e o resultado da primeira prova de cada disciplina, comparados com a média da turma.
Por que importa: no projeto de alerta precoce da Marist College (Estados Unidos), a nota parcial lançada no diário do AVA foi o preditor mais relevante de risco acadêmico, seguida do coeficiente acumulado. O risco já podia ser estimado com duas a três semanas de curso. O sistema foi testado em 2012 em quatro instituições parceiras (duas community colleges e duas HBCUs, universidades historicamente negras). No piloto de primavera de 2012, 1.739 alunos foram acompanhados, dos quais 451 foram classificados em risco. Risco, no estudo, é terminar a disciplina com nota abaixo de C. O desfecho medido foi o risco acadêmico, não a evasão. Em outro estudo, com 14.495 alunos de graduação, o desempenho nas primeiras semanas do primeiro semestre foi uma das principais variáveis associadas à evasão (Gonzalez-Nucamendi et al., 2023). As duas evidências são estrangeiras.
Como acompanhar: uma lista semanal, por curso, dos ingressantes com nota parcial abaixo do mínimo de aprovação em duas ou mais disciplinas, entregue à coordenação até a quarta semana.
Jayaprakash et al., Journal of Learning Analytics, 2014, piloto de primavera de 2012 com 1.739 alunos; Gonzalez-Nucamendi et al., Frontiers in Education, 2023, 14.495 alunos de graduação. Evidência estrangeira.
Reprovação no primeiro semestre #
O que observar: reprovação em disciplinas do primeiro e do segundo semestre, em especial nas de maior volume de alunos e nas que servem de pré-requisito.
Por que importa: na UnB, universidade federal, entre os ingressantes de 2010, a conclusão em nove anos foi de 71% para quem não reprovou nos dois primeiros anos e de 44% para quem reprovou nesse período (Cabello e Chagas, 2021, base de 62.204 egressos de 2010 a 2019). Em um curso de Ciência da Computação de uma universidade brasileira não identificada, um modelo que usava só a situação nas disciplinas do primeiro semestre acertou 83,53% dos casos de evasão ou formatura em uma base de teste de 85 alunos (Santos, Martins e Plastino, 2021, ingressantes de 2008 a 2019).
Como acompanhar: ao fechar o primeiro semestre, separar os ingressantes com uma ou mais reprovações e cruzar com a rematrícula. O ideal é que a lista saia antes do período de rematrícula.
Cabello e Chagas, Revista Temas em Educação, 2021, coorte 2010 da UnB; Santos, Martins e Plastino, SBIE, 2021, um curso de Ciência da Computação.
Queda no acesso ao AVA #
O que observar: a contagem semanal de acessos e interações no ambiente virtual, comparada com a semana anterior e com a própria turma.
Por que importa: em dois cursos técnicos a distância do IFSul, um modelo treinado em um curso e aplicado no outro, usando só a contagem semanal de interações (1.716.683 registros), chegou a 63,12% de acurácia nos verdadeiros negativos na semana 11 e a 91,26% de acerto na semana 26. Os cursos são técnicos, não de graduação, com duração máxima de 103 semanas. Com estudantes de graduação em uma disciplina EaD oferecida em 31 cursos (39.372 estudantes, dados de um grupo privado), os padrões semanais de engajamento no AVA estiveram associados à evasão da disciplina (Garbácio et al., 2026). O sinal tem uma armadilha conhecida: na Open University (Reino Unido), o fator mais frequente entre os falsos positivos foi o crescimento imediato da atividade do aluno depois de gerada a previsão. Nas 27 entrevistas do mesmo estudo, parte desses alunos relatou trabalhar perto do prazo.
Como acompanhar: alerta para quem ficou duas semanas seguidas sem acesso ou com queda forte em relação à própria média, revisado por uma pessoa antes do contato.
Queiroga e Cechinel, SIIEPE/UFPel, 2016, dois cursos técnicos EAD; Garbácio et al., SBIE, 2026, estudantes de graduação em uma disciplina EaD; Hlosta et al., Open University, 2020.
Primeira atividade avaliativa não entregue #
O que observar: quem não entregou ou entregou com atraso a primeira atividade avaliada de cada disciplina.
Por que importa: o modelo preditivo da Open University prevê quem não vai entregar a próxima atividade avaliada e mostra essa previsão aos tutores. Um estudo dos erros desse modelo analisou, com dados de mais de 25.000 alunos, a primeira atividade de módulos introdutórios de exatas. Nas 27 entrevistas feitas depois, os alunos que o modelo esperava que entregassem e não entregaram citaram motivos financeiros, responsabilidades familiares e adiamento do módulo por excesso de carga. A evidência vem de uma universidade a distância do Reino Unido.
Como acompanhar: relatório gerado no dia seguinte ao prazo da primeira entrega, com contato do tutor ou da coordenação na mesma semana.
Hlosta et al., relatório eSTEeM da Open University, 2020, mais de 25.000 alunos na análise quantitativa e 27 entrevistas. Evidência estrangeira.
Atraso de mensalidade e débito anterior #
O que observar: atraso no pagamento, débitos de semestres anteriores, variação no valor pago, pagamento feito por terceiros e reprovações por falta ou nota.
Por que importa: em uma instituição privada do Rio de Janeiro, um modelo apresentado em seminário noticiado pela ABMES em 2023 listou, entre os fatores de risco de inadimplência, a variação do valor pago, débitos em semestres anteriores, a responsabilidade de terceiro pelo pagamento e as reprovações por falta ou nota. O atraso em si não aparece nessa lista e entra aqui como proposta da Studenta. A fonte é uma notícia de seminário e não publica métricas do modelo. Na pesquisa do Semesp de 2025, 62,8% das instituições privadas respondentes apontaram perda de emprego ou redução de renda como motivo do atraso no pagamento. No Censo, quem tinha Fies desistiu menos do curso de ingresso (47% contra 65% na rede privada, turma de 2015), o que indica o peso do financiamento, sem provar causa.
Como acompanhar: cruzar, todo mês, a lista de atraso acima de 30 dias com as listas acadêmicas dos itens anteriores. O atraso sozinho leva à cobrança; junto com queda de notas ou de acesso, leva a uma conversa sobre permanência.
ABMES, notícia de seminário de 24/10/2023 (fonte secundária); Semesp, Pesquisa de Inadimplência, 17ª edição, 2025, 293 instituições privadas; INEP, Censo da Educação Superior 2024.
Faltas acumuladas e reprovação por frequência #
O que observar: faltas nas primeiras semanas e reprovações por frequência em semestres anteriores.
Por que importa: no mesmo modelo da instituição do Rio de Janeiro, a quantidade de reprovações por falta ou nota aparece entre os fatores de risco de inadimplência. No mapeamento de 2024, um estudo da educação básica dos Estados Unidos, com 220.685 estudantes em ensino presencial, associou ausências altas e notas baixas em matemática à evasão. A evidência aqui é fraca: não encontramos estudo brasileiro de graduação que isole a frequência como preditor com números publicados.
Como acompanhar: lançar a frequência em até uma semana e marcar quem passou de 15% de faltas em qualquer disciplina antes da metade do semestre. O percentual é uma sugestão de partida para ajustar com os dados da instituição.
ABMES, 2023 (fonte secundária); Sorensen, 2019, educação básica, Estados Unidos, citado em Jesus e Gusmão, RBIE, 2024, 220.685 estudantes. Evidência fraca para graduação no Brasil.
Disciplinas abandonadas ou carga reduzida #
O que observar: trancamento de disciplinas nas primeiras semanas, matrícula em menos disciplinas que o previsto na grade e passagem para tempo parcial.
Por que importa: no estudo com 14.495 alunos de graduação, o número de disciplinas abandonadas nas primeiras semanas e o de horas-aula cursadas estiveram entre os fatores associados à evasão. No projeto da Marist College, o aluno em tempo parcial teve razão de risco 2,443 vezes maior que o de tempo integral. Muitas vezes o tempo parcial é usado como indicador indireto de trabalho. Não encontramos, porém, estudo verificado que meça as horas de trabalho como preditor. As duas evidências são estrangeiras.
Como acompanhar: relatório de trancamento de disciplinas na janela de ajuste de matrícula, com o motivo registrado em categorias fixas.
Gonzalez-Nucamendi et al., Frontiers in Education, 2023; Jayaprakash et al., Journal of Learning Analytics, 2014. Evidência estrangeira; sem estudo verificado sobre horas de trabalho.
Como combinar os sinais
Um sinal isolado não prevê a saída de um aluno. O mapeamento de 71 estudos encontrou acurácias que vão de 61,68% a mais de 95%. Um modelo que acerta muito em um curso pode errar em outro. Ser calouro ou ter mais idade está associado a maior risco. Esses fatores descrevem o perfil do aluno e não o comportamento: aos 50 anos ou mais, a saída do sistema de 2023 para 2024 foi de 23,4%, contra 9,4% até 19 anos (INEP).
- Contar quantos sinais cada aluno acumula na mesma semana, em vez de reagir a cada um
- Juntar dados acadêmicos e financeiros na mesma lista, com uma pessoa responsável pelo contato
- Registrar o resultado de cada contato para saber quais combinações antecederam a saída na sua instituição
- Rever a regra a cada semestre com a rematrícula real
Para quem pensa em automatizar a triagem: o Parecer CNE/CP 15/2026, aprovado pelo Conselho Pleno do CNE na reunião de 31 de agosto a 3 de setembro de 2026, com súmula publicada no Diário Oficial da União em 6 de outubro de 2026 e sem homologação do MEC localizada até 27 de outubro de 2026, classifica a predição de evasão por IA como sistema de alto risco.
Perguntas frequentes
Qual é o sinal mais confiável de evasão?
Nenhum sinal isolado basta, embora o desempenho no início do curso apareça em vários estudos. Na UnB, universidade federal, a conclusão foi de 71% sem reprovação nos dois primeiros anos e de 44% com reprovação nesse período (Cabello e Chagas, 2021). Em um estudo estrangeiro com 14.495 alunos, o desempenho das primeiras semanas foi uma das principais variáveis associadas à evasão.
Com quantas semanas de aula dá para identificar o risco?
No projeto da Marist College, a nota parcial permitiu estimar o risco acadêmico com duas a três semanas de curso. No IFSul, um modelo baseado só na contagem de interações no AVA chegou a 63,12% de acurácia nos verdadeiros negativos na semana 11 de cursos técnicos a distância.
Frequência baixa prevê evasão?
Ela aparece como fator em modelos e mapeamentos. Não encontramos, porém, estudo brasileiro de graduação que isole a frequência com números publicados. Vale usá-la junto com notas e acesso ao AVA.
Inadimplência é sinal de evasão?
Pode ser um sinal a acompanhar, embora os dados citados aqui não meçam a relação entre atraso e evasão. Na pesquisa do Semesp de 2025, 62,8% das instituições privadas respondentes apontaram perda de emprego ou redução de renda como motivo do atraso no pagamento. O número descreve a causa do atraso, segundo as instituições. No Censo, quem tinha Fies desistiu menos do curso de ingresso, o que indica associação com o financiamento, sem provar causa.
Posso usar IA para prever quem vai evadir?
Pode, com cuidado. O Parecer CNE/CP 15/2026, aprovado pelo CNE e sem homologação do MEC localizada até 27 de outubro de 2026, classifica esse uso como sistema de alto risco. Um modelo serve para ordenar a fila de contato e não substitui a conversa com o aluno.
Fontes e escopo
Jayaprakash et al., Early Alert of Academically At-Risk Students, Journal of Learning Analytics 1(1), 2014. Gonzalez-Nucamendi et al., Frontiers in Education, 2023. Cabello e Chagas, Revista Temas em Educação 30(2), 2021. Santos, Martins e Plastino, SBIE 2021. Queiroga e Cechinel, SIIEPE/UFPel 2016. Garbácio et al., SBIE 2026. Hlosta et al., relatório eSTEeM, Open University, 2020. Jesus e Gusmão, Revista Brasileira de Informática na Educação 32, 2024. ABMES, notícia sobre seminário de métodos preditivos, 2023. Semesp, Pesquisa de Inadimplência no Ensino Superior Privado, 17ª edição, 2025. INEP, Apresentação do Censo da Educação Superior 2024. Parecer CNE/CP 15/2026, com súmula publicada no Diário Oficial da União de 6 de outubro de 2026; homologação não localizada até 27 de outubro de 2026. Todas as fontes foram consultadas entre 25 e 27 de outubro de 2026. As sugestões de acompanhamento e o limite de faltas são propostas da Studenta. O INEP prevê divulgar o Censo 2025 até 30 de novembro de 2026; os números do INEP desta página serão atualizados.