LANSE – Plataforma de Predição de Risco Acadêmico

O LANSE é uma solução tecnológica oferecida como serviço (SaaS - Software as a Service) na nuvem, destinada à predição de risco acadêmico em instituições de ensino. Ele utiliza técnicas de Learning Analytics (LA) e Mineração de Dados Educacionais para identificar estudantes com probabilidade de reprovação ou evasão.

A arquitetura do sistema funciona de maneira híbrida e escalável:

• No cliente (Instituição): Um plugin (bloco) é instalado no Ambiente Virtual de Aprendizagem (como o Moodle). Este plugin coleta dados de interação e apresenta os resultados através de um dashboard.

• Na nuvem: Uma infraestrutura recebe os dados, realiza o pré-processamento, treina e executa algoritmos de Aprendizado de Máquina (Machine Learning) e devolve as predições de risco.

O projeto é uma parceria entre a Universidade Federal de Santa Catarina (UFSC), a Universidade Federal de Pelotas (UFPel), o Instituto Federal Sul-rio-grandense (IFSul), a Rede Nacional de Ensino e Pesquisa (RNP) e a startup Elimu Social.

Motivação

A criação do LANSE foi impulsionada por problemas estruturais na educação e lacunas no mercado de tecnologia educacional:

• Altas Taxas de Evasão: A evasão e reprovação geram grande impacto social e econômico. Cursos a distância no Brasil, por exemplo, apresentam taxas de evasão entre 23% e 30%.

• Lacuna entre Ciência e Produto: Embora existam muitas pesquisas sobre predição de risco, a maioria fica restrita a artigos científicos e não se transforma em ferramentas concretas que professores e gestores possam usar no dia a dia.

• Sobrecarga de TI: As equipes de TI das universidades estão sobrecarregadas. Soluções que exigem manutenção complexa localmente sofrem resistência. O LANSE resolve isso rodando o "peso" do processamento na nuvem, exigindo apenas a instalação de um plugin simples por parte da instituição.

• Generalização: Muitos modelos de predição falham ao serem aplicados em diferentes cursos. O LANSE motiva-se pelo uso de contagem de interações, uma métrica universal que permite escalar a solução para diferentes contextos pedagógicos.

Objetivos

Os objetivos do projeto evoluíram ao longo de suas fases (Fase 1 e Fase 2), focando na entrega de valor para professores e gestores:

• Predição Antecipada: Oferecer alertas precoces sobre alunos em risco (reprovação e evasão) em tempo hábil para que intervenções pedagógicas possam ser feitas.

• Visão para Gestores: Além de auxiliar professores em disciplinas específicas, o projeto busca fornecer painéis para gestores (coordenadores e pró-reitores) acompanharem o risco acadêmico de forma institucional.

• Explicabilidade (xAI): Melhorar a "explicabilidade" dos modelos, informando não apenas que o aluno está em risco, mas por que (baseado em presença cognitiva, social ou pedagógica).

• Internacionalização e Expansão: Ampliar a rede de instituições parceiras e validar a solução em contextos internacionais (como colaborações com universidades no Chile e Uruguai).

  
  

Impactos

O projeto demonstra impactos tecnológicos, sociais e de mercado:

• Precisão dos Modelos: O sistema tem alcançado taxas de acerto na predição de evasão entre 60% e 90% já na 5ª semana de aula, permitindo ação rápida.

• Adoção por Instituições ("Early Adopters"): A solução já foi implantada ou testada em diversas instituições, incluindo IFSul, UFSC, UFPel, Instituto Federal Catarinense (IFC), IFSP, UNIMONTES, IFTO, UEMS e UFPE.

• Inovação de Produto: O desenvolvimento resultou em registros de software no INPI e a criação de um produto comercializável integrado ao ecossistema da RNP (serviço "Nas Nuvens").

• Apoio à Decisão: Relatos indicam que a ferramenta auxilia docentes a visualizar alunos em EAD (onde não há presença física) e serve como indicador de qualidade tecnológica em avaliações de curso pelo MEC.

• Evolução Comercial: O projeto amadureceu de um grupo de trabalho acadêmico (TRL-4) para um nível de maturidade tecnológica mais alto (TRL-6/7), estruturando-se como um negócio SaaS com planos de assinatura (Gratuito, Básico e Premium).