Esta dissertação tem por objetivo geral realizar um estudo computacional comparativo entre três algoritmos de agrupamento (k-means, PAM e CLARA) e dois algoritmos de Detecção de Comunidades (Fast Greedy e Walktrap), considerando dados da área da Educação. Para analisar as soluções produzidas pelos cinco algoritmos, foram utilizados dois índices associados, respectivamente, aos critérios de validação relativo e externo, sejam eles: Silhueta e Rand. Para tal, foi implementado um algoritmo para construção de redes, que foram produzidas a partir das bases de dados reais de duas maneiras distintas, a saber: através dos quartis das distâncias dos objetos e da Árvore Geradora Mínima. Dentre os principais resultados, destacam-se aqueles provenientes dos algoritmos PAM e CLARA, que quando aplicados a um conjunto de base de dados de porte pequeno e médio não diferem quanto aos seus resultados, em relação ao índice de Silhueta. Em relação ao índice de Rand, quando é comparado o desempenho dos algoritmos PAM e CLARA, frente aos algoritmos de Detecção de Comunidades: Fast Greedy e Walktrap, apresentou maior similaridade entre os grupos formados pelo algoritmo CLARA e as comunidades do algoritmo Fast Greedy, do que os grupos formados pelo algoritmo PAM e as comunidades produzidas pelo algoritmo Fast Greedy.