Mineração de Dados Educacionais: Investigando a Relação entre os Microdados do INEP e o Desempenho do IDEB
Resumo
O objetivo deste trabalho foi investigar o Índice de Desenvolvimento da Educação Básica em busca dos principais fatores que influenciam o seu resultado, através de mineração de dados educacionais. Para isso, foram analisados informações obtidas dos Microdados do INEP referentes ao Censo da Educação Básica e ao Sistema de Avaliação da Educação Básica. Os dados utilizados são referentes à situação socioeconômica de estudantes, à estrutura física das escolas e às condições de trabalho dos professores de turmas de terceiro ano do ensino médio de três estados, a saber: Sergipe, Bahia e Alagoas. Identificou-se que variáveis socioeconômicas dos estudantes possuem influência na obtenção da meta projetada do IDEB.
Palavras-chave:
MDE, Mineração de dados, IDEB, Qualidade Educacional
Referências
Baker, R., Isotani, S., and Carvalho, A. (2011). Mineraçao de dados educacionais: Oportunidades para o brasil. Revista Brasileira de Informática na Educação, 19(02):03.
Canedo, E. D., De Carvalho, R. R., Leão, H. A. T., Costa, P. H. T., and Okimoto, M. V. (2019). How the academics qualification influence the students learning development. In 2019 IEEE 43rd Annual Computer Software and Applications Conference (COMPSAC), volume 1, pages 336–345. IEEE.
Chirinéa, A. M. and Brandão, C. d. F. (2015). O ideb como política de regulação do estado e legitimação da qualidade: em busca de significados. Ensaio: Avaliação e Políticas Públicas em Educação, 23:461–484.
da Silva, I. V., da Silva, M. T., and da Silva Lima, N. D. (2020). Fatores preditivos de desempenho escolar em avaliações do saeb: influência da gestão escolar. Research, Society and Development, 9(10):e9509109423–e9509109423.
da Silva Pinto, G., Júnior, O. d. G. F., and de Barros Costa, E. (2019). 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(3):183–193.
de Farias, M. L., Gusmão, C. S. D., and de Gusmão, R. P. d. G. (2023). Mineração de dados para investigar o ideb usando o censo da educação básica e saeb: um estudo de caso em sergipe. RENOTE, 21(1):No prelo.
de Lima, R. A. F. (2016). Estratégias de seleção de atributos para detecção de anomalias em transações eletrônicas.
do Nascimento, R. L. S., da Cruz Junior, G. G., and de Araújo Fagundes, R. A. (2018). Mineração de dados educacionais: Um estudo sobre indicadores da educação em bases de dados do inep. RENOTE, 16(1).
Dougherty, J., Kohavi, R., and Sahami, M. (1995). Supervised and unsupervised discretization of continuous features. In Machine learning proceedings 1995, pages 194–202. Elsevier.
Fernandes, R. (2007). Índice de desenvolvimento da educação básica (ideb): metas intermediárias para a sua trajetória no brasil, estados, municípios e escolas. Brasil: INEP/MEC.
Fernandes, R. and GREMAUD, A. P. (2009). Qualidade da educação: avaliação, indicadores e metas. Educação básica no Brasil: construindo o país do futuro. Rio de Janeiro: Elsevier, 1:213–238.
Ferreira, Aparecida, A., and de Cássia Martinelli, S. (2016). Estudantes da educação de jovens e adultos: considerações sobre o perfil e desempenho escolar. Educação: teoria e prática, 26(52):312–331.
Filho, S., Barbosa, R., de Lima Araújo, and Marcos, R. (2017). Evasão e abandono escolar na educação básica no brasil: fatores, causas e possíveis consequências. Educação por escrito, 8(1):35–48.
Gusmão, R., Gusmão, C., and Dias, M. (2021). A qualidade da educação para além do ideb: Um estudo através de técnicas de mineração de dados. In Anais do XXXII Simpósio Brasileiro de Informática na Educação, pages 803–812, Porto Alegre, RS, Brasil. SBC.
Han, J., Pei, J., and Kamber, M. (2011). Data mining: concepts and techniques. Elsevier.
Inep (2020a). Censo escolar.
Inep (2020b). Testes e questionários.
Inep (2020c). Índice de desenvolvimento da educação básica (ideb) — inep. (Accessed on 11/05/2021).
Matos, P. F., Lombardi, L., Ciferri, R., Pardo, T., Ciferri, C., and Vieira, M. (2009). Relatório técnico “métricas de avaliaçao”. Universidade Federal de Sao Carlos.
MEC (2009). Prova brasil ministério da educação. (Accessed on 11/05/2021).
Menezes-Filho, N. A. (2007). Os determinantes do desempenho escolar do brasil.
Pinto, G. d. S. et al. (2019). Modelo de análise e predição para identificação dos fatores que influenciam o desempenho escolar na rede de ensino básico: estudo de caso em escolas municipais de alagoas.
Sátyro, N., Soares, S., et al. (2007). A infra-estrutura das escolas brasileiras de ensino fundamental: um estudo com base nos censos escolares de 1997 a 2005. Technical report.
Wirth, R. and Hipp, J. (2000). Crisp-dm: Towards a standard process model for data mining. In Proceedings of the 4th international conference on the practical applications of knowledge discovery and data mining, volume 1, pages 29–39. Manchester.
Canedo, E. D., De Carvalho, R. R., Leão, H. A. T., Costa, P. H. T., and Okimoto, M. V. (2019). How the academics qualification influence the students learning development. In 2019 IEEE 43rd Annual Computer Software and Applications Conference (COMPSAC), volume 1, pages 336–345. IEEE.
Chirinéa, A. M. and Brandão, C. d. F. (2015). O ideb como política de regulação do estado e legitimação da qualidade: em busca de significados. Ensaio: Avaliação e Políticas Públicas em Educação, 23:461–484.
da Silva, I. V., da Silva, M. T., and da Silva Lima, N. D. (2020). Fatores preditivos de desempenho escolar em avaliações do saeb: influência da gestão escolar. Research, Society and Development, 9(10):e9509109423–e9509109423.
da Silva Pinto, G., Júnior, O. d. G. F., and de Barros Costa, E. (2019). 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(3):183–193.
de Farias, M. L., Gusmão, C. S. D., and de Gusmão, R. P. d. G. (2023). Mineração de dados para investigar o ideb usando o censo da educação básica e saeb: um estudo de caso em sergipe. RENOTE, 21(1):No prelo.
de Lima, R. A. F. (2016). Estratégias de seleção de atributos para detecção de anomalias em transações eletrônicas.
do Nascimento, R. L. S., da Cruz Junior, G. G., and de Araújo Fagundes, R. A. (2018). Mineração de dados educacionais: Um estudo sobre indicadores da educação em bases de dados do inep. RENOTE, 16(1).
Dougherty, J., Kohavi, R., and Sahami, M. (1995). Supervised and unsupervised discretization of continuous features. In Machine learning proceedings 1995, pages 194–202. Elsevier.
Fernandes, R. (2007). Índice de desenvolvimento da educação básica (ideb): metas intermediárias para a sua trajetória no brasil, estados, municípios e escolas. Brasil: INEP/MEC.
Fernandes, R. and GREMAUD, A. P. (2009). Qualidade da educação: avaliação, indicadores e metas. Educação básica no Brasil: construindo o país do futuro. Rio de Janeiro: Elsevier, 1:213–238.
Ferreira, Aparecida, A., and de Cássia Martinelli, S. (2016). Estudantes da educação de jovens e adultos: considerações sobre o perfil e desempenho escolar. Educação: teoria e prática, 26(52):312–331.
Filho, S., Barbosa, R., de Lima Araújo, and Marcos, R. (2017). Evasão e abandono escolar na educação básica no brasil: fatores, causas e possíveis consequências. Educação por escrito, 8(1):35–48.
Gusmão, R., Gusmão, C., and Dias, M. (2021). A qualidade da educação para além do ideb: Um estudo através de técnicas de mineração de dados. In Anais do XXXII Simpósio Brasileiro de Informática na Educação, pages 803–812, Porto Alegre, RS, Brasil. SBC.
Han, J., Pei, J., and Kamber, M. (2011). Data mining: concepts and techniques. Elsevier.
Inep (2020a). Censo escolar.
Inep (2020b). Testes e questionários.
Inep (2020c). Índice de desenvolvimento da educação básica (ideb) — inep. (Accessed on 11/05/2021).
Matos, P. F., Lombardi, L., Ciferri, R., Pardo, T., Ciferri, C., and Vieira, M. (2009). Relatório técnico “métricas de avaliaçao”. Universidade Federal de Sao Carlos.
MEC (2009). Prova brasil ministério da educação. (Accessed on 11/05/2021).
Menezes-Filho, N. A. (2007). Os determinantes do desempenho escolar do brasil.
Pinto, G. d. S. et al. (2019). Modelo de análise e predição para identificação dos fatores que influenciam o desempenho escolar na rede de ensino básico: estudo de caso em escolas municipais de alagoas.
Sátyro, N., Soares, S., et al. (2007). A infra-estrutura das escolas brasileiras de ensino fundamental: um estudo com base nos censos escolares de 1997 a 2005. Technical report.
Wirth, R. and Hipp, J. (2000). Crisp-dm: Towards a standard process model for data mining. In Proceedings of the 4th international conference on the practical applications of knowledge discovery and data mining, volume 1, pages 29–39. Manchester.
Publicado
06/11/2023
Como Citar
FARIAS, Mariana de Lira; GUSMÃO, Renê Pereira de; GUSMÃO, Cleonides Silva Dias.
Mineração de Dados Educacionais: Investigando a Relação entre os Microdados do INEP e o Desempenho do IDEB. In: SIMPÓSIO BRASILEIRO DE INFORMÁTICA NA EDUCAÇÃO (SBIE), 34. , 2023, Passo Fundo/RS.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2023
.
p. 1109-1119.
DOI: https://doi.org/10.5753/sbie.2023.233489.
