Análise descritiva de dados para caraterização de curso universitário

Abstract

O presente trabalho incide sobre o desenvolvimento de uma ferramenta de apoio à decisão com base em dashboards interativos, aplicados à análise do percurso académico dos estudantes no ensino superior, com o objetivo de ser um instrumento valioso para apoiar decisões estratégicas nas áreas de gestão académica e admissões. A investigação decorreu num contexto real, com dados das Licenciaturas em Informática e Gestão de Empresas e em Ciência de Dados. Através da metodologia CRISP-DM, foi possível estruturar o projeto em várias fases, desde a compreensão do problema e dos requisitos analíticos definidos pelos docentes, até à preparação rigorosa dos dados e desenvolvimento do dashboard. A preparação dos dados incluiu etapas de limpeza, transformação e normalização, bem como a criação de identificadores únicos para cada estudante, possibilitando análises longitudinais e transversais. Adicionalmente, foram desenvolvidas colunas calculadas com Data Analysis Expressions (DAX) que permitiram criar métricas personalizadas adaptadas à lógica da análise pretendida. O dashboard final, desenvolvido em Power BI, incorpora um conjunto de visualizações, que permitem explorar indicadores como notas de ingresso, cursos de origem, distribuição geográfica, médias anuais, percentagem de créditos concluídos, e desempenho dos trabalhadores-estudantes. Cada visualização foi desenhada de forma a responder a questões analíticas colocadas pelos docentes, com foco na clareza, segmentação e comparação entre grupos. Os resultados obtidos permitiram identificar padrões no desempenho dos estudantes, a influência da nota e do curso de origem, o impacto do estatuto de trabalhador-estudante, e a existência de variações ao longo dos anos.

This dissertation focuses on the development of a decision support tool based on interactive dashboards applied to the analysis of students’ academic pathways in higher education with the aim of being a valuable instrument to support strategic decisions in the areas of academic management and admissions. The research was carried out in a real institutional context, using data from the Bachelor’s degrees in Informatics and Business Management and Data Science. By adopting the Cross-Industry Standard Process for Data Mining (CRISP-DM) methodology, the project was structured into distinct yet interconnected phases, ranging from the understanding of the problem and analytical requirements defined by faculty members to the preparation of the data and the development of the dashboard. The data preparation process included steps of cleaning, transformation, and normalization, as well as the creation of unique identifiers for each student. Additionally, calculated columns were developed using DAX to create customized metrics tailored to the intended analytical logic. The final dashboard, developed in Power BI, integrates a comprehensive set of visualizations that allow the exploration of key indicators such as admission grades, previous academic background, geographic distribution, annual averages, percentage of credits completed, and the performance of student-workers. Each visualization was designed to directly address analytical questions raised by the faculty, with a focus on clarity, segmentation, and group comparison. The results obtained enabled the identification of relevant patterns in students’ performance, namely the influence of entry grades and prior academic background, the impact of student-worker status, and variations across academic years.