Análise Exploratória de Dados para Identificar o Impacto da Pandemia da COVID-19 no ENEM dos Estados do Ceará, Maranhão e Piauí
Abstract
In Brazil, the main exam for evaluating the educational performance of basic education is the Exame Nacional do Ensino Médio (ENEM), which is also used for entry of students into higher education. In 2020, with the arrival of the COVID-19 virus, basic education institutions needed to change their educational model with face-to-face teaching to the use of remote teaching methodologies. This work aims to identify the main impacts caused by the pandemic on ENEM in the states of Ceará, Maranhão and Piauí, in its first year. For this, a data exploratory analysis of the 2019 ENEM, the year before the beginning of the pandemic, and the 2020 ENEM, the first year of the pandemic, is carried out. Results show an improvement in the general performance of the states, an increase in the number of registrants who did not show up for the test, and an increase in inequality between participants from public and private institutions.
References
Alqahtani, A. Y. and Rajkhan, A. A. (2020). E-learning critical success factors during the COVID-19 pandemic: A comprehensive analysis of e-learning managerial perspectives. Education Sciences, 10(9):216.
Azevedo, A. I. R. L. and Santos, M. F. (2008). Kdd, semma and crisp-dm: a parallel overview. IADS-DM.
Barcellos, A. A., Isotani, S., Diego, C., and Damasceno, N. (2018). Mineração de dados abertos enem 2018. Anais dos Trabalhos de Conclusão de Curso da Pós-Graduação em Computação Aplicada à Educação.
Daniel, S. J. (2020). Education and the COVID-19 pandemic. PROSPECTS, 49(1-2):91-96.
de ANDRADE, T. L., RIGO, S. J., and BARBOSA, J. L. V. (2021). Active methodology, educational data mining and learning analytics: A systematic mapping study. Informatics in Education, 20(2):171-204.
de Moraes, C. P., Peres, R. T., and Pedreira, C. E. (2021). Eficácia escolar e variáveis familiares em tempos de pandemia: um estudo a partir de dados do enem. Interfaces da educação, 12(35):635-658.
Educação, T. P. (2020). Ensino a distância na educação básica frente à pandemia da covid-19. Nota Técnica.
Gularte, F. N., do Nascimento, F. K. V., and de Carvalho, A. V. (2021). ENEM em tempos de pandemia: desafios enfrentados pelos docentes frente o ensino remoto da rede estadual de presidente kennedy/TO. Research, Society and Development, 10(14):e571101422339.
INEP (2011). Teoria de resposta ao item. [link]. Online; Acessado em 04 de junho de 2022.
INEP (2022). Nota de esclarecimento - divulgação dos microdados. [link]. Online; Acessado em 07 de maio de 2022.
Junior, L. P., Matos, S. N., and Borges, H. B. (2021). Análise dos perfis de alunos do ensino superior sobre a realização de aulas na modalidade a distância durante pandemia da covid-19 usando algoritmos de aprendizagem de máquina. RENOTE, 18(2):336-345.
Komorowski, M., Marshall, D. C., Salciccioli, J. D., and Crutain, Y. (2016). Exploratory data analysis. Secondary Analysis of Electronic Health Records, pages 185-203.
Nakazone, E. and Bortolotti, L. M. (2021). Análise de dados históricos do enem entre 2015 à 2019. In Congresso de Tecnologia-Fatec Mococa, volume 4.
Oliveira, D. A. and Clementino, A. M. (2020). As políticas de avaliação e responsabilização no brasil: uma análise da educação básica nos estados da região nordeste. Revista Iberoamericana de Educación, 83(1):143-162.
Peña-Ayala, A. (2014). Educational data mining: A survey and a data mining-based analysis of recent works. Expert Systems with Applications, 41(4, Part 1):1432-1462.
Reuge, N., Jenkins, R., Brossard, M., Soobrayan, B., Mizunoya, S., Ackers, J., Jones, L., and Taulo, W. G. (2021). Education response to COVID 19 pandemic, a special issue proposed by UNICEF: Editorial review. International Journal of Educational Development, 87:102485.
Robbins, J. (2020). Unesco: 290 million students stay home due to coronavirus. VOA Learning English.
Saltz, J. S. (2021). Crisp-dm for data science: Strengths, weaknesses and potential next steps. In 2021 IEEE International Conference on Big Data (Big Data), pages 2337-2344.
Shearer, C. (2000). The crisp-dm model: the new blueprint for data mining. Journal of data warehousing, 5(4):13-22.
Simon, A. and Cazella, S. (2017). Mineração de dados educacionais nos resultados do ENEM de 2015. In Anais dos Workshops do VI Congresso Brasileiro de Informática na Educação (CBIE 2017). Brazilian Computer Society (Sociedade Brasileira de Computação - SBC).
Soares, R. D. C., Neto, N. W., Coutinho, L. R., e Silva, F. J. D. S., dos Santos, D. V., and Teles, A. S. (2021). Mineracão de dados da educação básica brasileira usando as bases do INEP: Uma revisão sistemática da literatura. RENOTE, 19(1):361-370.
Azevedo, A. I. R. L. and Santos, M. F. (2008). Kdd, semma and crisp-dm: a parallel overview. IADS-DM.
Barcellos, A. A., Isotani, S., Diego, C., and Damasceno, N. (2018). Mineração de dados abertos enem 2018. Anais dos Trabalhos de Conclusão de Curso da Pós-Graduação em Computação Aplicada à Educação.
Daniel, S. J. (2020). Education and the COVID-19 pandemic. PROSPECTS, 49(1-2):91-96.
de ANDRADE, T. L., RIGO, S. J., and BARBOSA, J. L. V. (2021). Active methodology, educational data mining and learning analytics: A systematic mapping study. Informatics in Education, 20(2):171-204.
de Moraes, C. P., Peres, R. T., and Pedreira, C. E. (2021). Eficácia escolar e variáveis familiares em tempos de pandemia: um estudo a partir de dados do enem. Interfaces da educação, 12(35):635-658.
Educação, T. P. (2020). Ensino a distância na educação básica frente à pandemia da covid-19. Nota Técnica.
Gularte, F. N., do Nascimento, F. K. V., and de Carvalho, A. V. (2021). ENEM em tempos de pandemia: desafios enfrentados pelos docentes frente o ensino remoto da rede estadual de presidente kennedy/TO. Research, Society and Development, 10(14):e571101422339.
INEP (2011). Teoria de resposta ao item. [link]. Online; Acessado em 04 de junho de 2022.
INEP (2022). Nota de esclarecimento - divulgação dos microdados. [link]. Online; Acessado em 07 de maio de 2022.
Junior, L. P., Matos, S. N., and Borges, H. B. (2021). Análise dos perfis de alunos do ensino superior sobre a realização de aulas na modalidade a distância durante pandemia da covid-19 usando algoritmos de aprendizagem de máquina. RENOTE, 18(2):336-345.
Komorowski, M., Marshall, D. C., Salciccioli, J. D., and Crutain, Y. (2016). Exploratory data analysis. Secondary Analysis of Electronic Health Records, pages 185-203.
Nakazone, E. and Bortolotti, L. M. (2021). Análise de dados históricos do enem entre 2015 à 2019. In Congresso de Tecnologia-Fatec Mococa, volume 4.
Oliveira, D. A. and Clementino, A. M. (2020). As políticas de avaliação e responsabilização no brasil: uma análise da educação básica nos estados da região nordeste. Revista Iberoamericana de Educación, 83(1):143-162.
Peña-Ayala, A. (2014). Educational data mining: A survey and a data mining-based analysis of recent works. Expert Systems with Applications, 41(4, Part 1):1432-1462.
Reuge, N., Jenkins, R., Brossard, M., Soobrayan, B., Mizunoya, S., Ackers, J., Jones, L., and Taulo, W. G. (2021). Education response to COVID 19 pandemic, a special issue proposed by UNICEF: Editorial review. International Journal of Educational Development, 87:102485.
Robbins, J. (2020). Unesco: 290 million students stay home due to coronavirus. VOA Learning English.
Saltz, J. S. (2021). Crisp-dm for data science: Strengths, weaknesses and potential next steps. In 2021 IEEE International Conference on Big Data (Big Data), pages 2337-2344.
Shearer, C. (2000). The crisp-dm model: the new blueprint for data mining. Journal of data warehousing, 5(4):13-22.
Simon, A. and Cazella, S. (2017). Mineração de dados educacionais nos resultados do ENEM de 2015. In Anais dos Workshops do VI Congresso Brasileiro de Informática na Educação (CBIE 2017). Brazilian Computer Society (Sociedade Brasileira de Computação - SBC).
Soares, R. D. C., Neto, N. W., Coutinho, L. R., e Silva, F. J. D. S., dos Santos, D. V., and Teles, A. S. (2021). Mineracão de dados da educação básica brasileira usando as bases do INEP: Uma revisão sistemática da literatura. RENOTE, 19(1):361-370.
Published
2022-09-28
How to Cite
WEBER NETO, Nelson; SOARES, Raimundo C.; COUTINHO, Luciano R.; TELES, Ariel S..
Análise Exploratória de Dados para Identificar o Impacto da Pandemia da COVID-19 no ENEM dos Estados do Ceará, Maranhão e Piauí. In: REGIONAL SCHOOL ON COMPUTING OF CEARÁ, MARANHÃO, AND PIAUÍ (ERCEMAPI), 10. , 2022, São Luís/MA.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2022
.
p. 31-40.
DOI: https://doi.org/10.5753/ercemapi.2022.225842.
