O abandono da universidade é um dos problemas mais intrigantes e cruciais da educação. Esse problema permeia os vários níveis e modalidades de educação e gera perdas para todos os envolvidos no processo educacional. Portanto, é essencial o desenvolvimento de métodos eficientes para prever o risco de abandono de estudantes, permitindo que as instituições adotem ações proativas para minimizar a situação. Assim, objetiva-se com este trabalho, apresentar uma abordagem de descoberta de conhecimento em banco de dados desenvolvida para a previsão de grupos de alunos em risco de abandono nos cursos presenciais de ensino superior. A abordagem foi validada, utilizando dados de ex-alunos de um curso superior (Ciência da Computação) da UFERSA campus UFERSA, utilizando modelos de classificação.

Nos últimos anos as instituições de ensino superior têm enfrentado grandes problemas ocasionados pela retenção acadêmica. Diante disso, diversos pesquisadores têm dedicado seus esforços a descoberta das causas e a prevenção contra a retenção acadêmica e a mineração de dados educacionais pode auxiliar nesse processo. Porém, para obter resultados satisfatórios com a mineração de dados aplicada ao contexto da retenção acadêmica é necessário conhecer os melhores recursos de mineração de dados a serem utilizados. Dessa forma, no presente trabalho foi realizada uma revisão sistemática da literatura a fim de identificar as principais técnicas e ferramentas da mineração de dados que podem ser aplicadas nesse processo, além de identificar os principais fatores indutores à retenção acadêmica.