A qualidade da educação para além do IDEB: Um estudo através de técnicas de Mineração de Dados
Resumo
O Índice de Desenvolvimento da Educação Básica (IDEB) refere-seao desempenho educacional nacional. O objetivo desta pesquisa é investigar oIDEB considerando um contexto mais amplo, utilizando para isso a Mineraçãode Dados. Foram considerados dados de 96 escolas do Ensino Médio de Ser-gipe. Os resultados revelaram que os modelos obtidos a partir da RegressãoLinear e Máquina de Vetor de Suporte apresentaram maior acurácia entre osclassificadores considerados. Ademais, as variáveis relacionadas à estruturafı́sica, qualificação profissional, condições de trabalho e valorização docentesão as mais importantes na explicação do IDEB, as quais devem ser considera-das na formulação de polı́ticas públicas educacionais.
Palavras-chave:
IDEB, Mineração de Dados, Aprendizagem de Máquina, Microdados, Censo Escolar
Referências
Calixto, K., Segundo, C., and Gusmão, R. (2017). Mineração de dados aplicada a educação: um estudo comparativo acerca das caracterı́sticas que influenciam a evasão escolar. Brazilian Symposium on Computers in Education (Simpósio Brasileiro de Informática na Educação - SBIE), 28(1):1447.
Chirinéa, A. M. and Brandãos, C. F. (2015). O ideb como polı́tica de regulação do estado e legitimação da qualidade: em busca de significados. Ensaio: Avaliação e Políticas Públicas em Educação, 23:461–484.
Diniz, F. A., Silva, F. R. M., Costa, R. D., Silva, T. R., Moura, I. B. G., and Castro, A. F. (2012). Análise espacial dos Índices educacionais do rio grande do norte com o uso de técnicas de mineração de dados. In Anais VI Simpósio Regional de Geoprocessamento e Sensoriamento Remoto - Geonordeste.
Fernandes, R. (2007). Índice de desenvolvimento da educação básica (ideb). Technical report, Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira.
Han, J., Kamber, M., and Pei, J. (2012). Data mining concepts and techniques, third edition. Morgan Kaufmann Publishers.
INEP (2021). Resultados do Índice de desenvolvimento da educação básica: 2019: resumo técnico. Technical report, Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira.
Júnior, O. G. F., Rodrigues, W. R. M., Barbirato, J. C. C., and Costa, E. B. (2019). Melhoria da gestão escolar através do uso de técnicas de mineração de dados educacionais: um estudo de caso em escolas municipais de maceió. RENOTE, 17:296–305.
Paiva, R., Bittencourt, I., Pacheco, H., Silva, A. A. D., Jacques, P., and Isotani, S. Mineração de dados e a gestão inteligente da aprendizagem: desafios e direcionamentos. In Anais do Workshop de Desafios da Computação Aplicada à Educação (desafie) 2012.
Paiva, R., Bittencourt, I. I., and Silva, A. P. (2013). Uma ferramenta para recomendação pedagógica baseada em mineração de dados educacionais. Anais dos Workshops do Congresso Brasileiro de Informática na Educação, 2(1).
Pinto, G., Júnior, O. F., and Costa, E. (2020). Mineração de dados educacionais: Um modelo de predição do perfil do aluno para melhoria do ideb. In Anais do XXXI Simpósio Brasileiro de Informática na Educação, pages 1172–1182, Porto Alegre, RS, Brasil. SBC.
Pinto, G. S., Júnior, O. F., Costa, E., Barbirato, J. C. C., and Rodrigues, W. R. M. (2019a). Identificação dos fatores de melhorias no ideb pelo uso de mineração de dados: Um estudo de caso em escolas municipais de maceió. Brazilian Symposium on Computers in Education (Simpósio Brasileiro de Informática na Educação - SBIE), 30(1):1828.
Pinto, G. S., Júnior, O. G. F., and Costa, E. B. (2019b). Identificação dos fatores de melhorias no ideb pelo uso de mineração de dados: Um estudo de caso em escolas municipais de teotônio vilela-alagoas. RENOTE, 17:183–193.
Santos, A. and Medeiros, F. P. A. (2020). Relação do financiamento federal com os resultados do ideb em um estado do brasil: uma abordagem baseada em mineração de dados educacionais. In 2020 15th Iberian Conference on Information Systems and Technologies (CISTI), pages 1–4.
Shearer, C. (2000). The crisp-dm model: the new blueprint for data mining. Journal of data warehousing, 5(4):13–22.
Verica, W. R., Villwock, R., and Johann, J. A. (2015). Uso de técnicas de mineração de dados para agrupamento e espacialização de dados educacionais no estado do paraná. Anais XVII Simpósio Brasileiro de Sensoriamento Remoto - SBSR, pages 1753–1760.
Chirinéa, A. M. and Brandãos, C. F. (2015). O ideb como polı́tica de regulação do estado e legitimação da qualidade: em busca de significados. Ensaio: Avaliação e Políticas Públicas em Educação, 23:461–484.
Diniz, F. A., Silva, F. R. M., Costa, R. D., Silva, T. R., Moura, I. B. G., and Castro, A. F. (2012). Análise espacial dos Índices educacionais do rio grande do norte com o uso de técnicas de mineração de dados. In Anais VI Simpósio Regional de Geoprocessamento e Sensoriamento Remoto - Geonordeste.
Fernandes, R. (2007). Índice de desenvolvimento da educação básica (ideb). Technical report, Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira.
Han, J., Kamber, M., and Pei, J. (2012). Data mining concepts and techniques, third edition. Morgan Kaufmann Publishers.
INEP (2021). Resultados do Índice de desenvolvimento da educação básica: 2019: resumo técnico. Technical report, Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira.
Júnior, O. G. F., Rodrigues, W. R. M., Barbirato, J. C. C., and Costa, E. B. (2019). Melhoria da gestão escolar através do uso de técnicas de mineração de dados educacionais: um estudo de caso em escolas municipais de maceió. RENOTE, 17:296–305.
Paiva, R., Bittencourt, I., Pacheco, H., Silva, A. A. D., Jacques, P., and Isotani, S. Mineração de dados e a gestão inteligente da aprendizagem: desafios e direcionamentos. In Anais do Workshop de Desafios da Computação Aplicada à Educação (desafie) 2012.
Paiva, R., Bittencourt, I. I., and Silva, A. P. (2013). Uma ferramenta para recomendação pedagógica baseada em mineração de dados educacionais. Anais dos Workshops do Congresso Brasileiro de Informática na Educação, 2(1).
Pinto, G., Júnior, O. F., and Costa, E. (2020). Mineração de dados educacionais: Um modelo de predição do perfil do aluno para melhoria do ideb. In Anais do XXXI Simpósio Brasileiro de Informática na Educação, pages 1172–1182, Porto Alegre, RS, Brasil. SBC.
Pinto, G. S., Júnior, O. F., Costa, E., Barbirato, J. C. C., and Rodrigues, W. R. M. (2019a). Identificação dos fatores de melhorias no ideb pelo uso de mineração de dados: Um estudo de caso em escolas municipais de maceió. Brazilian Symposium on Computers in Education (Simpósio Brasileiro de Informática na Educação - SBIE), 30(1):1828.
Pinto, G. S., Júnior, O. G. F., and Costa, E. B. (2019b). Identificação dos fatores de melhorias no ideb pelo uso de mineração de dados: Um estudo de caso em escolas municipais de teotônio vilela-alagoas. RENOTE, 17:183–193.
Santos, A. and Medeiros, F. P. A. (2020). Relação do financiamento federal com os resultados do ideb em um estado do brasil: uma abordagem baseada em mineração de dados educacionais. In 2020 15th Iberian Conference on Information Systems and Technologies (CISTI), pages 1–4.
Shearer, C. (2000). The crisp-dm model: the new blueprint for data mining. Journal of data warehousing, 5(4):13–22.
Verica, W. R., Villwock, R., and Johann, J. A. (2015). Uso de técnicas de mineração de dados para agrupamento e espacialização de dados educacionais no estado do paraná. Anais XVII Simpósio Brasileiro de Sensoriamento Remoto - SBSR, pages 1753–1760.
Publicado
22/11/2021
Como Citar
GUSMÃO, Renê P.; GUSMÃO, Cleonides S. D.; DIAS, Mateus S. S..
A qualidade da educação para além do IDEB: Um estudo através de técnicas de Mineração de Dados. In: SIMPÓSIO BRASILEIRO DE INFORMÁTICA NA EDUCAÇÃO (SBIE), 32. , 2021, Online.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2021
.
p. 803-812.
DOI: https://doi.org/10.5753/sbie.2021.218177.
