ANÁLISE E PREVISÃO DE DESEMPENHO ACADÊMICO COM MACHINE LEARNING: ESTRATÉGIAS DE INCLUSÃO PARA ESTUDANTES COM NECESSIDADES EDUCACIONAIS ESPECIAIS NO ENSINO SUPERIOR

Resumo

Esta pesquisa explora o uso de tecnologias de Machine Learning e Data Analytics para promover a inclusão de estudantes com Necessidades Educacionais Especiais (NEEs) no ensino superior. Em um contexto de crescente demanda por ambientes educacionais inclusivos e personalizados, a problemática central envolve a aplicação de algoritmos para identificar dificuldades acadêmicas e adaptar o ensino a essas necessidades específicas. O objetivo principal foi analisar como a IA e a análise de dados podem otimizar o monitoramento e a intervenção no desempenho de estudantes com NEEs. O estudo adota o paradigma neoperspectivista gifetedeano, fundamentando-se nas teorias da inclusão educacional, acessibilidade, análise preditiva e aprendizagem personalizada. Utilizou-se o método hipotético-dedutivo e uma Revisão Bibliográfica e Documental Narrativa, com consulta às bases Scopus, Web of Science e SciELO, analisando 92 trabalhos relevantes. Os principais achados mostram que a personalização do ensino, combinada com feedback em tempo real, melhora o desempenho e a inclusão. Entretanto, surgem lacunas relacionadas ao controle de vieses algorítmicos e à dependência da formação docente para aplicação das tecnologias. As limitações da pesquisa incluem a necessidade de estudos de longo prazo e de uma análise mais ampla dos impactos das intervenções. Esta pesquisa contribui teoricamente ao integrar abordagens de IA com inclusão educacional e, empiricamente, ao destacar práticas inclusivas que beneficiam a educação superior. Agrega valor à área da tecnologia educacional, ao desenvolvimento científico, à formação de profissionais capacitados e à sociedade como um todo.