A implementation mathematical-computational method for the detection and treatment of financial outliers in higher education
Abstract
The Higher Education Census occurs annually, collecting data from public and private Higher Educational Institutions (HEI) in Brazil. Different factors can lead to anomalies or outliers in some of these collected data. This work proposes a mathematical-computational method to detect and treat atypical HEI's financial values. Both univariate and bivariate analysis to that end. We analyzed the expenses and incomes of HEI in the census from 2016 to 2019. This analysis revealed that 204 out of 2,224 HEI, approximately 10%, reported some atypical data.
References
Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira (Inep). (2022) Censo da Educação Superior. Acesso em 10 de outubro de 2022. Disponível em [link].
Fayyad, U. Piatetsky-Shapiro, G. e Smyth, P. (1996) From Data Mining to Knowledge Discovery in Databases. AI Magazine.
Silva, P. do Nascimento, R. L. S. Lima, M. Fagundes, R. & de Souza, F. D. F. (2019). Modelos de regressão aplicados a predição do desempenho escolar de estudantes do ensino fundamental. Anais do XXX Simpósio Brasileiro de Informática na Educação (SBIE), p. 1631.
Pinto, G. Freitas Júnior, O. & Costa, E. (2020). Mineração de Dados Educacionais: Um Modelo de Predição do Perfil do Aluno para Melhoria do IDEB. Anais do XXXI Simpósio Brasileiro de Informática na Educação (SBIE), p. 1172.
Machado, R. G. (2022) Subsídio às Fiscalizações Públicas: Identificação dos Municípios com gastos discrepantes na Educação Básica, CADERNOS DE FINANÇAS PÚBLICAS. 22(01).
Carrano, D., Albergaria, E., Infante, C., & Rocha, L. (2019). Combinando Técnicas de Mineração de Dados para Melhorar a Detecção de Indicadores de Evasão Universitária. Anais do XXX Simpósio Brasileiro de Informática na Educação (SBIE), p. 1321.
de Siqueira Gê, E. A., & Borges, E. F. (2021). Identificação de outliers em processos de dispensas e inexigibilidades em licitações públicas: um estudo comparativo entre UFRN, IFRN e UFERSA nos anos de 2017 e 2018. Revista Inovar Contábil. 2(01).
Witten, I. H. Frank, Eibe; Hall, Mark A. (2011). Data mining: practical machine learning tools and techniques. 3rd ed. Burlington, MA:Elsevier/Morgan Kaufmann.
Hair, J. F, Anderson, R. E. Tatham, R. L., Black, W. C. (2009). Análise multivariada de dados. São Paulo: Bookman.
Tuley, JOHN W. (1977). Exploratory Data Analysis. Addison"Wesley Publishing Company Reading, Massachusetts, 1st ed.
Fayyad, U. Piatetsky-Shapiro, G. e Smyth, P. (1996) From Data Mining to Knowledge Discovery in Databases. AI Magazine.
Silva, P. do Nascimento, R. L. S. Lima, M. Fagundes, R. & de Souza, F. D. F. (2019). Modelos de regressão aplicados a predição do desempenho escolar de estudantes do ensino fundamental. Anais do XXX Simpósio Brasileiro de Informática na Educação (SBIE), p. 1631.
Pinto, G. Freitas Júnior, O. & Costa, E. (2020). Mineração de Dados Educacionais: Um Modelo de Predição do Perfil do Aluno para Melhoria do IDEB. Anais do XXXI Simpósio Brasileiro de Informática na Educação (SBIE), p. 1172.
Machado, R. G. (2022) Subsídio às Fiscalizações Públicas: Identificação dos Municípios com gastos discrepantes na Educação Básica, CADERNOS DE FINANÇAS PÚBLICAS. 22(01).
Carrano, D., Albergaria, E., Infante, C., & Rocha, L. (2019). Combinando Técnicas de Mineração de Dados para Melhorar a Detecção de Indicadores de Evasão Universitária. Anais do XXX Simpósio Brasileiro de Informática na Educação (SBIE), p. 1321.
de Siqueira Gê, E. A., & Borges, E. F. (2021). Identificação de outliers em processos de dispensas e inexigibilidades em licitações públicas: um estudo comparativo entre UFRN, IFRN e UFERSA nos anos de 2017 e 2018. Revista Inovar Contábil. 2(01).
Witten, I. H. Frank, Eibe; Hall, Mark A. (2011). Data mining: practical machine learning tools and techniques. 3rd ed. Burlington, MA:Elsevier/Morgan Kaufmann.
Hair, J. F, Anderson, R. E. Tatham, R. L., Black, W. C. (2009). Análise multivariada de dados. São Paulo: Bookman.
Tuley, JOHN W. (1977). Exploratory Data Analysis. Addison"Wesley Publishing Company Reading, Massachusetts, 1st ed.
Published
2022-11-28
How to Cite
FREITAS, Nathan C.; GOUVEIA, Roberta M. M.; ALBUQUERQUE JÚNIOR, Gabriel A. de; BATISTA, Maria da Conceição M.; RODRIGUES, Rodrigo Lins.
A implementation mathematical-computational method for the detection and treatment of financial outliers in higher education. In: NATIONAL MEETING ON ARTIFICIAL AND COMPUTATIONAL INTELLIGENCE (ENIAC), 19. , 2022, Campinas/SP.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2022
.
p. 740-751.
ISSN 2763-9061.
DOI: https://doi.org/10.5753/eniac.2022.227587.
