rafaelbmpfumo-crypto/ML-Evasion-LB-Mozambique

Código e dados sintéticos para o modelo de predição de abandono escolar em Moçambique, otimizado para baixa largura de banda. # Low-Connectivity Learning Analytics: Predictive Models for School Dropout Prevention in Mozambique Este repositório contém o código e os dados sintéticos para o artigo científico: **"Low-Connectivity Learning Analytics: Lightweight Predictive Models for School Dropout Prevention in Mozambique"**. O trabalho apresenta o modelo ML-Evasion-LB, otimizado para ambientes de baixa largura de banda e recursos limitados. --- ## 1. Status do Artigo e Citação | Detalhe | Valor | | :--- | :--- | | **Título Completo** | Equitable Dropout Prediction via Asynchronous Data: A Low-Bandwidth Machine Learning Approach in Mozambique | | **Revista Alvo** | JEDM - Journal of Educational Data Mining | | **Status Atual** | Em submissão (Under Review) | | **Link para o Artigo** | escritadahistoria.com | | **Autores** | [Seu Nome Completo] | --- ## 2. Visão Geral do Projeto (ML-Evasion-LB) O objetivo principal deste projeto é provar a viabilidade de sistemas de Alerta Precoce (*Early Warning Systems*) em contextos de profunda desigualdade digital, como Moçambique. O modelo **Random Forest** (ML-Evasion-LB) utiliza um conjunto minimalista de apenas três *features* assíncronas para alcançar alta precisão preditiva: * **DAP** (Performance in Periodic Assessments) * **FET** (Frequency of Task Submission) * **TF** (Truancy/Absence Tendency) ### Resultados Chave de Sustentabilidade e Performance: | Métrica | Resultado | Relevância | | :--- | :--- | :--- | | **AUC** | 0.95 | Excelente poder discriminatório. | | **Recall (Sensibilidade)** | > 92.1% | Prioriza a identificação correta de alunos em risco para intervenção. | | **Tempo de Execução** | < 150 ms | Viável para arquiteturas **offline-first** e baixo custo. | --- ## 3. Replicando os Resultados Siga estas instruções passo a passo para configurar o ambiente e executar o modelo ML-Evasion-LB. ### Pré-requisitos * Python 3.8+ * `pip` (gerenciador de pacotes Python) ### Passo …