Taxas de conclusão de cursos: por que os alunos desistem

Por Brian Tr · Atualizado em 7 de outubro de 2026

A taxa de conclusão de um curso é a parcela de alunos que o terminam. Parece um único número. Na verdade são pelo menos quatro, e podem diferir por uma ordem de grandeza para o mesmo curso, dependendo de quem entra no denominador e do que conta como "concluído".

É por isso que os números citados por aí não batem. Um curso online gratuito que "apenas" tem 6% de conclusão entre os inscritos pode estar indo bem. Uma coorte paga com 90% de conclusão pode estar escondendo um programa fraco atrás de um público selecionado. Um curso corporativo com 98% de conclusão pode apenas mostrar que os gestores correram atrás das pessoas. Este artigo explica o que o termo significa, o que a melhor pesquisa pública encontrou, por que os alunos desistem, quais ajustes têm evidência por trás e quando a conclusão é a métrica errada a acompanhar.

Fatos Principais

• Em 39 MOOCs com dados públicos, a mediana da taxa de conclusão foi de 6,5% dos inscritos, com variação de 0,9% a 36,1% (Jordan, IRRODL 2014). Contando apenas os alunos ativos, a mediana foi de 9,8%.
• No primeiro ano de cursos do HarvardX e do MITx, 43.196 de 841.687 inscrições resultaram em certificado, enquanto 292.852 inscritos nunca interagiram com o conteúdo (relatório do primeiro ano do HarvardX e MITx).
• Entre 79.535 respondentes da pesquisa pré-curso em nove cursos do HarvardX, 19,5% dos que pretendiam concluir obtiveram o certificado, contra 5,4% dos que não pretendiam (Reich, 2014).
• Em 565 edições de cursos de Harvard e MIT no edX (5,63 milhões de alunos), 52% dos inscritos nunca entraram no material do curso, e as taxas de conclusão não melhoraram em seis anos (Reich e Ruipérez-Valiente, Science 2019).
• Um dispositivo de compromisso testado em um MOOC de Stanford (657 alunos) aumentou em 40% a probabilidade de conclusão, enquanto lembretes isolados não mostraram efeito mensurável (Patterson, Cornell CHERI).

O que a "taxa de conclusão" realmente mede

O mesmo rótulo cobre quatro cálculos diferentes. Antes de comparar dois números quaisquer, verifique qual deles você está vendo.

A análise de Jordan mostra o quanto o denominador importa. Cerca de 54% dos inscritos se tornaram alunos ativos. Usando a matrícula total, a mediana da taxa de conclusão foi de 6,5%. Usando os alunos ativos, a mediana subiu para 9,8% e a variação se ampliou para 1,4% a 50,1% (Jordan, 2014). Mesmos cursos, denominador diferente, manchete diferente.

Programas pagos e em coortes usam ainda outra população. Os alunos se candidataram, pagaram e eram esperados em uma data de início, então já passaram por um filtro que um curso gratuito nunca aplica. Comparar a conclusão deles com a de um MOOC é comparar dois grupos de pessoas diferentes. O artigo irmão sobre aprendizagem em coortes vs no próprio ritmo mostra como separar o efeito do formato do efeito da seleção.

O treinamento corporativo atribuído é o ponto fora da curva. Quando um gestor ou um prazo de compliance força a conclusão, a taxa mede sobretudo a fiscalização. Não encontramos nenhum benchmark público que defina bem a sua população, então este artigo não cita nenhum.

O que a pesquisa mostra

A evidência pública mais cuidadosa vem dos MOOCs. Eles não são programas corporativos nem bootcamps pagos, então leia os números como o que acontece com alunos gratuitos de inscrição aberta, não como uma previsão para o seu produto.

Primeiros benchmarks: um dígito

Katy Jordan reuniu números públicos de inscrição e conclusão de MOOCs listados em julho de 2013. Ela definiu conclusão como a porcentagem de inscritos que atenderam aos critérios do curso para um certificado, porque era o número publicado com mais frequência. Havia dados de conclusão para 39 cursos. A mediana foi de 6,5%, a variação de 0,9% a 36,1%, e uma taxa em torno de 5% era típica. A conclusão teve correlação negativa com a duração do curso e não variou de forma significativa com a data, o ranking da universidade ou a matrícula total (Jordan, 2014). Jordan também alertou que concluir as avaliações não é a única forma de se beneficiar de um curso.

Um ano de HarvardX e MITx

O relatório do primeiro ano do HarvardX e do MITx abrangeu 17 cursos, do outono de 2012 ao verão de 2013. Foram contadas 841.687 inscrições de 597.692 usuários únicos. Dessas inscrições, 43.196 obtiveram certificados, cerca de 5,1% pela nossa aritmética. Outros 35.937 exploraram metade ou mais do conteúdo sem certificação, 469.702 viram menos da metade e 292.852 nunca interagiram com o conteúdo (relatório do HarvardX e MITx).

Lendo os quatro grupos em conjunto, aparece um padrão. O certificado é uma fatia estreita das pessoas que apareceram, e um grande grupo nunca começou. A "desistência" muitas vezes acontece antes de o curso começar em qualquer sentido relevante.

A intenção muda o quadro

Justin Reich analisou pesquisas pré-curso de nove cursos do HarvardX em 2013 e 2014. De 79.535 respondentes, 56% disseram que pretendiam concluir. Desses, 19,5% obtiveram o certificado. Entre os 44% que não pretendiam concluir, 5,4% o fizeram. A taxa geral entre os respondentes foi de 13,3% (Reich, 2014).

Há duas formas de ler isso. A intenção importa: quem pretendia terminar tinha quase quatro vezes mais chance de terminar do que quem não pretendia. E a intenção não basta: cerca de quatro em cada cinco pessoas que pretendiam terminar ainda assim não terminaram. Os respondentes da pesquisa também diferem dos não respondentes, então essas taxas descrevem os respondentes, não todos os inscritos.

Seis anos depois, nada mudou

Reich e Ruipérez-Valiente examinaram todos os cursos do HarvardX e do MITx no edX até maio de 2018: 565 edições de cursos, 261 cursos, 12,67 milhões de inscrições de 5,63 milhões de alunos. Eles constataram que 52% dos inscritos nunca entraram no material do curso. Também acompanharam a conclusão de três grupos sobrepostos: todos os participantes, os que disseram pretender concluir e os que pagaram por uma trilha verificada. Nenhum mostrou melhora significativa ao longo de seis anos. E a maior coorte, 1,1 milhão de novos alunos em 2015-2016, viu apenas 12% fazerem outro curso do HarvardX ou do MITx no ano seguinte, com a retenção do segundo ano caindo de 38% na primeira coorte para 7% na coorte de 2016-2017 (Reich e Ruipérez-Valiente, 2019).

A amostra são duas universidades de elite em uma única plataforma, então não representa todos os cursos. Mas é um dos maiores conjuntos de dados abertos sobre o comportamento dos alunos, e a conclusão é direta: vídeos melhores, design melhor e seis anos de pesquisa não mudaram muito a conclusão. Até os alunos que pagaram terminaram em taxas bem abaixo de 100%.

Não existe um único tipo de desistência

Kizilcec, Piech e Schneider classificaram alunos de três MOOCs de ciência da computação pela forma como interagiam com vídeos e avaliações. O método encontrou de forma consistente quatro trajetórias: concluir, ouvir (auditing), desengajar e experimentar (sampling). O grupo mais notável foi o dos alunos que permaneceram engajados durante o curso sem fazer avaliações. Os autores argumentaram que o foco na conclusão reflete uma visão monolítica do desengajamento, que não ajuda os designers a atingir alunos diferentes (Kizilcec et al., LAK 2013).

Por que os alunos desistem

A pesquisa não nos entrega uma lista única e organizada de motivos, então trate os quatro temas a seguir como aqueles que a evidência sustenta em parte, não como um ranking.

A intenção já era fraca desde o início. Muitos inscritos nunca pretenderam terminar. Os dados de Reich mostram que 44% dos respondentes da pesquisa não pretendiam, e as contagens do HarvardX mostram centenas de milhares que mal interagiram. Para esses alunos, sair não é uma falha do curso.

Tempo e demandas concorrentes. Alunos adultos encaixam cursos entre o trabalho e a família. Um curso que exige cinco horas por semana perde gente na semana em que um projeto estoura. A constatação de Jordan de que cursos mais longos tiveram taxas de conclusão menores é consistente com isso, embora não prove o motivo.

Autorregulação fraca. Em um estudo com 4.831 alunos em seis MOOCs, definir metas e planejar estrategicamente previu se os alunos atingiriam as próprias metas de curso, enquanto buscar ajuda pareceu contraproducente (Kizilcec et al., Computers and Education 2017). Alunos que planejam se saem melhor. A maioria dos alunos não planeja.

Ninguém os espera. Em um curso no próprio ritmo, ninguém nota uma ausência. Prazos, uma coorte ao vivo e alguém esperando o seu trabalho mudam isso, que é a lógica por trás do modelo de coortes. Veja comunidades de aprendizagem para entender como grupos de pares criam essa expectativa.

O design do curso também importa, mas a evidência de que só o design move a conclusão é mais fraca do que a maioria dos fornecedores sugere. Reich e Ruipérez-Valiente observam que seis anos de investimento em desenvolvimento de cursos e pesquisa sobre aprendizagem não produziram ganhos significativos na conclusão.

Quais alavancas têm evidência

Eis o que já foi testado, com a população que cada resultado descreve.

Estrutura e prazos

Um estudo finlandês comparou duas versões de um MOOC de programação com mais de 8.000 alunos. A versão com cronograma fixo teve 45% de retenção geral, a versão no próprio ritmo, 13% (Noponen et al., IEEE FIE 2020). É uma diferença grande, mas o resumo não informa se os alunos foram atribuídos aleatoriamente, então quem escolheu qual versão pode explicar parte dela.

Uma comparação mais limpa manteve o curso constante. Um curso de cadeia de suprimentos do MITx passou de ritmo conduzido pelo instrutor para ritmo próprio, e uma tese de learning analytics relatou que a conclusão caiu 6%, a taxa de aprovação 10% e uma pontuação de engajamento 7%, enquanto a satisfação permaneceu a mesma. O efeito não foi uniforme entre os alunos (Bilal, MIT 2019). Ou seja, o ritmo ajuda, mas menos do que os números brutos das coortes sugerem.

Dispositivos de compromisso

Richard Patterson conduziu um experimento randomizado com 657 alunos em um MOOC de Stanford. Uma ferramenta que permitia aos alunos se comprometerem antecipadamente com limites de tempo em sites que distraem levou a 24% mais tempo no curso, notas 0,29 desvio padrão mais altas e uma probabilidade 40% maior de concluir. As ferramentas de lembrete e de foco não foram estatisticamente distinguíveis do controle (Patterson, working paper do Cornell CHERI, 2015). Foi um único curso com amostra autosselecionada, mas o contraste é útil: um nudge que pede um compromisso superou um nudge que apenas lembra.

Nudges em escala: menores do que o esperado

O alerta mais forte vem do maior teste. Kizilcec e colegas aplicaram cinco intervenções comportamentais em 247 cursos de Harvard, MIT e Stanford, com 269.169 alunos ao longo de dois anos e meio. As intervenções foram elaboração de planos (de longo e curto prazo), relevância de valor, contraste mental com intenções de implementação e responsabilização social. Os efeitos foram aproximadamente uma ordem de grandeza menores do que em estudos anteriores e menores. O exercício de relevância de valor aumentou a conclusão em cerca de 2,8 pontos percentuais, mas apenas para alunos de países menos desenvolvidos em cursos com grande lacuna de desempenho. A elaboração de planos elevou o engajamento inicial por uma ou duas semanas, sem efeito duradouro na conclusão (Kizilcec et al., PNAS 2020).

A lição prática: um nudge que funcionou uma vez provavelmente não funcionará em todo lugar, então teste com os seus próprios alunos.

Presença do instrutor e presença social

Tomkin e Charlevoix atribuíram aleatoriamente participantes de um MOOC de ciências físicas da Universidade de Illinois a um grupo sem interação com o instrutor ou a um grupo em que o professor e os assistentes de ensino respondiam a comentários no fórum e publicavam feedback semanal. O envolvimento do instrutor não teve efeito significativo na conclusão geral, embora tenha aumentado a conclusão do selo de fórum que a intervenção buscava atingir (Tomkin e Charlevoix, L@S 2014). A presença ajuda no que ela visa. Não é uma solução geral para a conclusão.

Reich e Ruipérez-Valiente tiram uma conclusão mais dura: a pesquisa consolidada sugere que as conexões humanas, por meio de orientadores, tutores e grupos de pares, são os apoios mais importantes aos alunos, e eles custam dinheiro, o que vai contra preços baixos (Reich e Ruipérez-Valiente, 2019).

Um resumo rápido da evidência

Para ideias de design alinhadas a essas conclusões, veja repetição espaçada e a curva do esquecimento para agendamento, microaprendizagem para unidades menores e gamificação na aprendizagem para as mecânicas que alguns produtos usam para trazer as pessoas de volta.

Quando a conclusão é a métrica errada

A conclusão é fácil de contar, e por isso está em todo lugar. Também é um mau indicador em várias situações.

Quando os alunos têm objetivos diferentes. Um desenvolvedor que assiste a três vídeos para resolver um problema e sai conseguiu o que veio buscar. Contá-lo como desistente pune um curso por funcionar. As trajetórias de Kizilcec e os dados de intenção de Reich apontam para isso.

Quando o curso não é linear. Em conteúdo de referência ou de consulta pontual, ninguém deveria "terminar". Conteúdo curto, no estilo de consulta, é feito para ser usado em partes.

Quando o treinamento atribuído persegue metas de conclusão. Se o objetivo é uma taxa de conclusão de 100%, as pessoas vão clicar até o fim. O número diz que alguém chegou ao último slide. Não diz que a pessoa consegue fazer algo novo.

Quando o certificado não é o resultado. Jordan observou que as pessoas podem se beneficiar de um curso sem concluir as avaliações. O relatório do HarvardX encontrou cerca de 36.000 inscritos que exploraram pelo menos metade do conteúdo sem certificado. Um comprador que se importa com o desempenho no trabalho não se importa com a contagem de certificados.

Melhores companheiras da conclusão são a parcela de alunos ativos que atingem um marco relevante, a retenção no curso ou módulo seguinte e um resultado no trabalho que o comprador valorize. Métricas de engajamento do aluno mostra como medi-los, e como comprovar o ROI do treinamento explica como conectá-los a resultados de negócio.

O que isso significa para empresas de EdTech

A taxa de conclusão aparece em conversas de vendas, apresentações para o conselho e revisões de renovação. Alguns hábitos a mantêm útil.

1. Sempre informe o denominador. "Taxa de conclusão" sem "sobre inscritos" ou "sobre alunos ativos" convida a uma comparação ruim.
2. Acompanhe o funil antes do curso. Se uma grande parcela dos inscritos nunca começa, o problema é ativação, não design do curso. Veja o funil de matrícula do aprendizado online.
3. Segmente por intenção e coorte. Médias combinadas escondem os alunos que você poderia de fato ajudar.
4. Teste os seus próprios nudges. O estudo com 247 cursos mostra que os efeitos diminuem em escala e variam conforme o contexto, então faça pilotos e meça.
5. Não tome benchmarks emprestados entre populações. A mediana de 6,5% de um MOOC não prevê um programa corporativo pago, e o número de 90% de uma coorte de um fornecedor não descreve um curso gratuito.

Leitura relacionada

• Métricas de engajamento do aluno
• Aprendizagem em coortes vs no próprio ritmo
• Funil de matrícula do aprendizado online
• Microaprendizagem
• Como comprovar o ROI do treinamento