Na área de educação, há conjuntos de dados extensos que descrevem diversas características dos estudantes, sendo necessárias técnicas automatizadas que auxiliem a análise de dados. Neste contexto, a mineração de dados educacionais (Educational Data Mining - EDM) visa explorar conjuntos de dados coletados em ambientes educacionais de modo a obter padrões relevantes que caracterizem o perfil dos estudantes e do processo de ensino-aprendizagem. Dentre as tarefas de mineração de dados, a tarefa de agrupamento de dados tem como objetivo agrupar objetos de acordo com suas características, contribuindo para tomada de decisões estratégicas. Em dados educacionais, são frequentes os atributos categóricos, ou seja, atributos cujos valores são descritos por estados ou categorias, que podem ou não ter alguma relação de ordem, como gênero (feminino, masculino), escolaridade (fundamental, médio, superior), entre outros. Assim, este projeto realizou agrupamento de dados categóricos aplicados a dados educacionais considerando aspectos socioeconômicos. Os resultados obtidos contribuíram para identificar grupos que descrevem o perfil dos estudantes, principalmente em função do tipo de curso (concomitante ou integrado) e renda.