Uso de Agrupamento para Avaliação de Desempenho Educacional e Apoio à Gestão em Áreas de Investimento

• Mariana Spanol Universidade de São Paulo
• Emília Oliveira Universidade Federal Rural de Pernambuco
• Gabriel Alves Universidade Federal Rural de Pernambuco https://orcid.org/0000-0002-2249-7818
• Ibsen Mateus Bittencourt Universidade Federal de Alagoas
• Taciana Pontual Falcão Universidade Federal Rural de Pernambuco https://orcid.org/0000-0003-2775-4913
• Rafael Ferreira Mello Universidade Federal Rural de Pernambuco / Centro de Estudos e Sistemas Avançados do Recife http://orcid.org/0000-0003-3548-9670

DOI: https://doi.org/10.5753/sbie.2022.224772

Resumo

O Plano Nacional de Educação (PNE) define metas e indicadores relacionados à educação, que devem ser observados pelos gestores dos entes federados do Brasil. No caso do gestor municipal, observar práticas de município com características parecidas e que tenham obtido resultados melhores nos indicadores do PNE, pode auxiliar na decisão sobre a utilização dos recursos. Este trabalho propõe um método inovador que é dividido em duas etapas: (1) Agrupamento das municipalidades brasileiras com aprendizado não-supervisionado com base em métricas sociodemográficas; (2) Comparação de métricas educacionais entre o município e os demais municípios do seu grupo. Este estudo mostrou uma melhora no Coeficiente de Silhueta, atestando que o método proposto criou grupos mais coesos. A fim de exemplificar esta abordagem, foi analisado o Indicador 1A da Meta 1 do PNE, para o município de Salvador. Foi observado que os bons resultados para algumas métricas educacionais não refletiram um aumento significativo no indicador do PNE avaliado.

Palavras-chave: Agrupamento, Mineração de Dados Educacionais, Learning Analytics, Sistema de Apoio à Decisão

Referências

Abreu, R., Pitangui, C., Andrade, A., Assis, L., and Silva, C. (2020). Detecção automática de estilos de aprendizagem por meio de técnicas de clusterização e classificação. Anais do XXXI Simpósio Brasileiro de Informática na Educação, páginas 1022–1031,Porto Alegre, RS, Brasil. SBC.

Arthur, D. and Vassilvitskii, S. (2006). k-means++: The advantages of careful seeding. Technical Report 2006-13, Stanford InfoLab. Bandeira, L. F. and Reyes Junior, E. (2021).

Programa minha casa minha vida (2012-2016): análise da eficiência relativa dos municípios brasileiros na execução de programas federais. Revista de Administração Pública,55:309–330.

Brasil (2014). Lei nº 13.005, de 25 de junho de 2014. Aprova o plano nacional de educação - pne e dá outras providências. Diário Oficial [da] República Federativa do Brasil.

Clow, D. (2013). An overview of learning analytics. Teaching in Higher Education, 18(6):683–695.

Gan, G. and Ng, M. K.-P. (2017). k-means clustering with outlier removal. Pattern Recognition Letters, 90:8–14.

Gordia, A. P. e. a. (2010). Variáveis comportamentais e sociodemográficas estão associadas ao domínio psicológico da qualidade de vida de adolescentes. Chinese Science Bulletin, 28(1):29–35.

Greco, S., Figueira, J., and Ehrgott, M. (2016). Multiple Criteria Decision Analysis: State of the Art Surveys. Springer.

Gutiérrez, F., Seipp, K., Ochoa, X., Chiluiza, K., De Laet, T., and Verbert, K. (2020). Lada: A learning analytics dashboard for academic advising. Computers in Human Behavior, 107:105826.

Herodotou, C., Rienties, B., Boroowa, A., Zdrahal, Z., and Hlosta, M. (2019). A large-scale implementation of predictive learning analytics in higher education: the teachers’ role and perspective. Educational Technology Research and Development, 67(5):1273– 1306.

IBGE (2022). Áreas territoriais. Disponível em: [link].

Jordan, M. I. and Mitchell, T. M. (2015). Machine learning: Trends, perspectives, and prospects. Science, 349(6245):255–260.

MEC (2022). Pne em movimento. Disponível em: http://simec.mec.gov.br/pde/grafico_pne.php.

Montgomery, D. C. and Runger, G. C. (2018). Applied Statistics and Probability for Engineers. John wiley & sons.

MP-SC (2022). Relatório de monitoramento do plano municipal de educação. Disponível em: [link].

PNAD Contínua, I. (2022). Pnad contínua - pesquisa nacional por amostra de domicílios contínua.

Rousseeuw, P. J. (1987). Silhouettes: A graphical aid to the interpretation and validation of cluster analysis. Journal of Computational and Applied Mathematics, 20:53–65.

Silva, W. D., Pereira, S. S. L., Pereira, D. S., and COSTA, M. (2021). Um sistema baseado em machine learning para apoio à decisão no gerenciamento de produção apícola. Embrapa Amazônia Oriental-Artigo em periódico indexado (ALICE).

TCE-SC (2022). Espaço tce educação. Disponível em: https://servicos.tce.sc.gov.br/tceeducacao/#acompanhamento.

Todos pela Educação (2022). Observatório do plano nacional de educação. Disponível em: https://www.observatoriodopne.org.br.

Zapparolli, L., Stiubiener, I., Braga, J., and Pimentel, E. (2017). Aplicando técnicas de business intelligence e learning analytics em ambientes virtuais de aprendizagem. Simpósio Brasileiro de Informática na Educação, 28(1):536–545.