Resumo

Vários estudos exploram fatores para seleção de um candidato que são associados ao desempenho acadêmico em programas de pós-graduação. Nesses estudos, dados demográficos (p.ex., idade, gênero), acadêmicos (notas), curso de graduação, entre outros, são usados para prever se o aluno tirará notas boas e se irá concluir ou largar a escola, visando avaliar a qualidade dos critérios de admissão e sugerir políticas para refinar o processo de seleção. Entretanto, se o programa se encontra em andamento, outros fatores que afetam o desempenho acadêmico e a taxa de abandono podem ser agregados.

Qual a relação entre requisitos de admissão, dados demográficos dos alunos e o desempenho destes em uma disciplina-chave com o rendimento acadêmico geral e com a taxa de evasão de alunos de pós-graduação de uma escola de negócio privada de São Paulo? Além disso, como pode-se usar esta relação para apontar estudantes que se preveem que terão um desempenho inferior ou uma maior probabilidade de não conclusão, para sugerir ações de melhoria para este grupo?

Os fatores mais analisados para explicar o desempenho dos estudantes e prever a conclusão ou o abandono do programa pelo estudante são notas de testes padronizados de raciocínio lógico e quantitativo, sendo o mais comum o GMAT, tipo de curso e nota média de graduação, tempo de experiência, gênero e idade. Entretanto, pesquisas distintas proveem resultados diferentes para a eficácia e o poder explicativo de cada fator (PRATT, 2015; SULAIMAN, MOHEZAR, 2006). Outros testes padronizados estudados são o SLE no Oriente Médio, ALES na Turquia e o TRLQ no Brasil, substituindo o GMAT.

A amostra é composta por 790 estudantes de pós-graduação com dados coletados entre 2011 e 2016, de 16 turmas distintas e a metodologia inclui a análise descritiva, a análise das diferenças das médias das variáveis de quem concluiu e de quem não concluiu, a análise das correlações das variáveis, a análise da regressão linear para o rendimento acadêmico geral, a análise da regressão quantílica também para o rendimento acadêmico geral e a análise da regressão logística para a taxa de conclusão.

Além da confirmação dos fatores relevantes para prever se o aluno tirará notas boas e se irá concluir ou largar a escola, outro resultado deste estudo é que ao utilizar a regressão quantílica para analisar o impacto das variáveis nos diferentes quantis de desempenho, elucida-se que os impactos de algumas variáveis são estatisticamente diferentes para alunos com melhor e pior desempenho em relação ao impacto obtido através de uma regressão linear. Para trabalhar com um dos extremos (alunos com mau desempenho) e não com os alunos medianos ou todos, a regressão quantílica pode ser mais adequada.

No lado teórico, as análises de desempenho acadêmico e de taxa de conclusão dos estudantes no decorrer de uma pós-graduação usando regressão quantílica e regressão logística, respectivamente, agrega à ciência de Economia da Educação novas abordagens e mais ferramentas que os demais pesquisadores poderão se beneficiar. Pelo lado prático, utilizando os dados do quantil 5%, referente aos alunos com desempenho pior que os outros 95%, sugeriu-se um critério para apontar estudantes sujeitos a alguma intervenção por parte da escola.

Principais journals utilizados como referências bibliográficas: Academy of Management Learning & Education, American Journal of Business Education, Journal of Econometrics, Journal of Education for Business.