Predictive Strategies Combating School Dropout in Technical Education

Multiple Linear Regression Analysis on Technical Course Data to Predict and Counteract Dropout Trends

Authors

  • Patrick Rogers de Souza Senai Félix Guisard
  • Júlio César Prado Ribeiro Faculdade SENAI Félix Guisard
  • Kátia Celina Da Silva Richetto UNITAU - Universidade de Taubaté
  • Cristie Diego Pimenta Faculdade SENAI Félix Guisard

Abstract

School dropout in Technical and Vocational courses represents a significant challenge, leading to negative impacts on educational development and causing financial losses for institutions. Despite its importance, there exists a gap in literature regarding predictive approaches to address dropout. This study explores mathematical modeling and regression analysis to understand and anticipate dropout rates in new courses. Using multiple linear regression on data from 688 classes from 2017-2018 from a technical school, significant correlations between variables and dropout were identified, with emphasis on the class timings as a critical factor. The study concludes by highlighting the importance of considering class timings in retention strategies and underscores the application of mathematical methods in education. As an outcome, a formula was generated via Minitab to predict dropout accurately, offering a valuable tool for educational institutions

Author Biographies

Patrick Rogers de Souza, Senai Félix Guisard

Especialista em Lean Manufacturing, padronização e processos de melhoria contínua. Term formação em Engenharia da Qualidade e mais de uma década de experiência como consultor e professor no SENAC e SENAI.

Júlio César Prado Ribeiro, Faculdade SENAI Félix Guisard

Possui Técnico em Mecânica pela Escola Senai Félix Guisard de Taubaté, graduação em Engenharia Mecânica pela Universidade de Taubaté (UNITAU) e Pós-graduado em Engenharia da Qualidade pela Faculdade de Tecnologia SENAI Félix Guisard de Taubaté.

Kátia Celina Da Silva Richetto, UNITAU - Universidade de Taubaté

Possui graduação em Escola de Engenharia de Lorena (EEL/USP), mestrado em Engenharia Mecânica na Faculdade de Engenharia de Guaratinguetá (UNESP), doutorado em Engenharia de Materiais pela EEL/USP, especialização em Educação a Distância e especialização em Engenharia de Segurança do Trabalho (UNISA). Pós-Doutoranda em Neurociência Aplicada a Educação, cursando Especialização em Engenharia de Segurança do Trabalho. Atualmente é professora assistente doutora da Universidade de Taubaté do Mestrado Profissional em Educação.

Cristie Diego Pimenta, Faculdade SENAI Félix Guisard

Pós-doutorado em Estatística Avançada (UNESP). Doutor em Engenharia Mecânica com especialidade em Projeto de Experimentos (UNESP) e Mestre em Engenharia Mecânica (UNESP). Pós- graduado em Engenharia da Qualidade (USP), Projetista de Produto (Bacharelado), Black Belt em Lean Six Sigma e Curso de Extensão em Statistics for Business and Industry no British Columbia Institute of Technology (Vancouver-Canadá).

Downloads

Published

2023-12-15

How to Cite

de Souza, P. R., Ribeiro, J. C. P., Richetto, K. C. D. S., & Pimenta, C. D. (2023). Predictive Strategies Combating School Dropout in Technical Education: Multiple Linear Regression Analysis on Technical Course Data to Predict and Counteract Dropout Trends. Latin American Journal of Business Management, 14(2). Retrieved from https://lajbm.com.br/index.php/journal/article/view/752

Issue

Vol. 14 No. 2 (2023): DOSSIÊ TEMÁTICO - "INTERSEÇÃO: EDUCAÇÃO, GESTÃO E DESENVOLVIMENTO"

Section

Articles

License

O Conselho Editorial, bem como as instituições mantenedoras do periódico, não se responsabilizam pelas opiniões, idéias e conceitos emitidos nos textos, por serem de inteira responsabilidade de seu(s) autor(es).

Os autores, uma vez que receberem o aceite de publicação, automaticamente cedem, sem qualquer ônus, os direitos autorais, inclusive tradução, para o Latin American Journal of Business Management. A citação parcial de artigos publicados é autorizada sem restrições desde que seja identificada a fonte.