Avaliação da aderência curricular do curso de Tecnologia em Análise e Desenvolvimento de Sistemas por meio de modelagem semântica e técnicas de machine learning

Descrição

Este projeto de iniciação científica propõe desenvolver e testar uma aplicação computacional de pequena escala, baseada em técnicas de machine learning e processamento de linguagem natural, para analisar a aderência curricular do curso de Tecnologia em Análise e Desenvolvimento de Sistemas (TADS). A proposta parte do pressuposto de que os documentos curriculares do curso, tais como PPC, matriz curricular, ementas, perfil do egresso e objetivos de disciplinas, expressam um repertório formativo que pode ser comparado, em termos de competências, com repertórios ocupacionais identificados em descrições de vagas, perfis profissionais e bases públicas relacionadas ao campo de atuação do desenvolvedor de software e áreas correlatas. O projeto pretende construir uma prova de conceito capaz de: (a) organizar um corpus textual curricular do curso de TADS; (b) reunir um corpus textual de mercado associado a ocupações correlatas; (c) extrair termos, competências e expressões-chave; (d) aplicar técnicas de representação semântica para medir proximidade entre os repertórios; e (e) produzir indicadores simples de aderência, lacuna e convergência. O objetivo não é substituir a análise pedagógica, nem reduzir o currículo a exigências conjunturais do mercado, mas oferecer uma ferramenta analítica complementar, orientada por evidências, que possa apoiar discussões institucionais sobre atualização curricular. Em termos formativos, o projeto é especialmente adequado ao PIBIC, pois permite desenvolver competências em pesquisa aplicada, análise documental, organização de bases de dados, programação em Python, ciência de dados, leitura crítica de currículos e interpretação de resultados educacionais. Ao final dos 12 meses, espera-se entregar uma aplicação funcional em nível de protótipo, um conjunto de relatórios analíticos sobre o curso de TADS e um estudo interpretativo sobre a viabilidade de uso de técnicas de machine learning como apoio à avaliação curricular no ensino superior.