Este artigo investiga a evasão escolar, um problema multifatorial e persistente que afeta sistemas educacionais globalmente, trazendo prejuízos acadêmicos, sociais e econômicos. Partindo de uma revisão da literatura, destaca-se que fatores como desempenho acadêmico, condições socioeconômicas e dificuldades no acesso à educação digital são preditores recorrentes de evasão, especialmente em contextos de desigualdade social. Utilizando mineração de dados educacionais (EDM) como abordagem metodológica, o estudo empregou técnicas avançadas de análise de dados para explorar padrões em conjuntos de dados educacionais. A metodologia incluiu o uso de ferramentas como R e bibliotecas como tidyverse, ggplot2 e kableExtra, combinadas a modelos estatísticos e de aprendizado de máquina, como regressões lineares e Random Forest. Os dados foram submetidos a um processo rigoroso de limpeza, transformação e análise, garantindo robustez aos resultados. As análises realizadas indicaram que variáveis como rendimento acadêmico inicial, frequência escolar e renda familiar possuem alta relevância na predição de evasão, enquanto fatores psicossociais e contextuais também desempenham papéis significativos. Resultados adicionais apontam para a eficácia de modelos baseados em ensemble no aprimoramento da precisão preditiva. Este estudo contribui para o campo da educação ao oferecer uma abordagem integrada e baseada em dados, possibilitando intervenções mais eficazes para mitigar a evasão escolar. Além disso, destaca a importância de integrar modelos preditivos aos sistemas institucionais para maximizar seu impacto, especialmente em países com maior necessidade de soluções educacionais inovadoras. O artigo reforça a urgência de políticas públicas e práticas pedagógicas que combinem tecnologia e análise de dados para promover a permanência e o sucesso escolar em diferentes contextos.
