dashboard-mestrado

Dashboard interativo, criado com shiny e bs4Dash, contendo uma análise visual dos fatores que influenciam a permanência e a evasão nos cursos de pós-graduação stricto sensu da UFMT.

O dashboard está disponível online no seguinte link: https://musis.shinyapps.io/dashboard-evasao/

Funcionalidades

O dashboard oferece as seguintes páginas e funcionalidades:

1. Páginas "Sobre o dashboard":

• Informações gerais: Informações sobre o contexto, objetivo e estrutura do projeto.
• Metodologia: Detalhamento da análise de regressão logística e dos critérios usados para modelagem.

2. Página de Visão Geral:

Página com estatísticas descritivas fazendo um resumo dos dados coletados.

• Filtros: Os dados podem ser filtrados por categorias como nível acadêmico, câmpus, identidade de gênero, raça/etnia e área de conhecimento.
• Visualização de Gráficos:
  • Comparação: Gráficos de barras agrupadas que comparam os estudantes que evadiram e os que concluíram.
  • Total: Gráficos de barras que mostram o total de respondentes.

3. Página de Análise de Regressão:

Página para criação e visualização de modelos de regressão logística personalizáveis, com base nos filtros e critérios selecionados. Um modelo pré-processado é exibido inicialmente.

• Filtros: Permite filtrar os respondentes incluídos na análise de regressão com base em diversas variáveis.
• Modelos de Regressão Stepwise: Três métodos de seleção de variáveis:
  • Seleção direta: Adiciona as variáveis mais relevantes uma a uma.
  • Eliminação reversa: Remove as variáveis menos significativas.
  • Seleção bidirecional: Combina os dois métodos anteriores.
• Critérios de Seleção do Modelo:
  • AIC (Critério de Informação de Akaike)
  • BIC (Critério de Informação Bayesiano)
• Validação Bootstrap: Personalize a validação bootstrap ajustando a proporção do conjunto de treino e o número de repetições.
• Resultados Exibidos:
  • Coeficientes do modelo: Impacto das variáveis na evasão.
  • Critérios de Informação: AIC, BIC, log-likelihood, grau de liberdade e deviance.
  • Gráficos: Tornado, Curva ROC, Resíduos vs Ajustes, Q-Q Residual, Localização-Escala, Distância de Cook.
  • Bootstrap: Resultados da validação bootstrap, incluindo coeficientes e odds ratio.

Base de Dados

As informações são baseadas nas respostas de ex-discentes dos cursos de pós-graduação da UFMT, coletadas entre 06 e 19 de junho de 2024. O questionário foi elaborado com base nas contribuições teóricas de Vincent Tinto e aplicado por e-mail.

Instalação

O dashboard está disponível online no shinyapps. Se desejar instalar localmente, pode seguir estes passos:

1. Clone o repositório:

git clone https://github.com/musiss/dashboard-mestrado.git

2. Abrir o projeto no RStudio:

Após clonar o repositório, localize o diretório onde ele foi baixado. Dentro desse diretório, abra o arquivo dashboard-mestrado.Rproj.

3. Instale as dependências:

install.packages(c("arrow", "bs4Dash", "data.table", "dplyr", "DT", "fresh", "highcharter", 
                   "pROC", "rlang", "shiny", "shinyWidgets", "stringr", "tidyr", 
                   "tidytable", "waiter", "caret", "jsonlite", "purrr"))

4. Execute o código:

shiny::runApp("app.R")

---

Licença

Este projeto está licenciado sob a Licença MIT.