The quality of education beyond IDEB: A study through data mining techniques
Abstract
The Basic Education Development Index (IDEB) refers to national educational performance. The objective of this research is to investigate the IDEB considering a broader context, using Data Mining for this. Data from 96 high schools in Sergipe were considered. The results revealed that the models obtained from the Linear Regression and Support Vector Machine achieved the best accuracy among the considered classifiers. Furthermore, the variables related to the physical structure, professional qualification, working conditions, and teacher valuation are the most important in explaining the IDEB, according to which ones should be considered in the basis of educational public policies.
Keywords:
IDEB, Data Mininig, Machine Learning, Microdata, School Census
References
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.
Published
2021-11-22
How to Cite
GUSMÃO, Renê P.; GUSMÃO, Cleonides S. D.; DIAS, Mateus S. S..
The quality of education beyond IDEB: A study through data mining techniques. In: BRAZILIAN SYMPOSIUM ON COMPUTERS IN EDUCATION (SBIE), 32. , 2021, Online.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2021
.
p. 803-812.
DOI: https://doi.org/10.5753/sbie.2021.218177.
