PRISM-EDU: Mining ENADE Microdata to Diagnose Learning Deficiencies in Brazilian Higher Education
Resumo
Introduction: ENADE microdata are underused. Objective: The aggregate institutional score blends different learning patterns into a single grade, offering no specific signals for content intervention. Methodology: PRISM-EDU employs exploratory Latent Class Analysis on item responses from each Higher Education Institution (HEI), matching profiles with INEP's item–Knowledge Object (KO) mapping as an implicit Q-matrix, and translating results into four actionable zones and two diagnostic categories. Results: Using ENADE 2023 data (230,088 students, 1,880 HEIs, 28 programs), the pipeline converges, showing mostly horizontal internal heterogeneity. KO-level diagnosis for Civil Engineering, Medicine, and Nursing highlights repeatedly deficient KOs, exposing structural training gaps beyond the aggregate score.
Palavras-chave:
Intelligent Agents, Teacher Training, Education Management, Learning Analytics, Educational Data Mining
Referências
Barbosa, P. L. S., Damazio, G. N. D. O., Carvalho, W. V. and Carmo, R. (2023). O sucesso não é apenas uma questão de sorte: um mapeamento sistemático sobre técnicas de análise do Enade da área de Computação. In Anais do III Simpósio Brasileiro de Educação em Computação (EDUCOMP), p. 59–68. DOI: 10.5753/educomp.2023.228963
Brito, L. M., Nascimento, F. S., Monteiro, V. C. S. and Mourão, A. B. (2025). Prepara Enade: plataforma web para apoiar o desempenho dos concluintes de licenciatura em Computação em conteúdos de educação especial e inclusiva. In Anais do XXXI Workshop de Informática na Escola (WIE), p. 133–144. DOI: 10.5753/wie.2025.247421
Carvalho, L. M., Carvalho Júnior, C. M. and Mendonça, N. C. (2026). Evaluating the accuracy and stability of frontier LLMs on ENADE Computer Science questions. In R. de Freitas and D. Furtado (eds.), Intelligent Systems (BRACIS 2025), Lecture Notes in Computer Science, vol. 16182. Springer. DOI: 10.1007/978-3-032-15993-9_18
Celeux, G. and Soromenho, G. (1996). An entropy criterion for assessing the number of clusters in a mixture model. Journal of Classification, 13(2):195–212. DOI: 10.1007/BF01246098
Chagas Júnior, J. M., Amora, S. S. A., Rodrigues, L. C. C. and Queiroz, P. G. G. (2023). Solucione.me: um sistema responsivo baseado em gamificação para auxiliar o processo de ensino-aprendizagem, apoiado no ENADE. In Anais do XXXIV Simpósio Brasileiro de Informática na Educação (SBIE), p. 707–717. DOI: 10.5753/sbie.2023.234064
Charão, A. S., Wiechork, K., Rodrigues, M. L. S. and Barbosa, F. P. (2020). Explorando resultados por questão no Enade em Ciência da Computação para subsidiar revisão de projeto pedagógico de curso. In Anais do XXVIII Workshop sobre Educação em Computação (WEI), p. 16–20. DOI: 10.5753/wei.2020.11119
Collins, L. M. and Lanza, S. T. (2010). Latent class and latent transition analysis. Wiley, Hoboken. DOI: 10.1002/9780470567333
Cunha, R., Sales, C. and Santos, R. (2021). Análise automática com os microdados do ENADE para melhoria do ensino dos cursos de Ciência da Computação. In Anais do XXIX Workshop sobre Educação em Computação (WEI), p. 208–217. DOI: 10.5753/wei.2021.15915
Damazio, G. N. D. O. and Carvalho, W. V. (2023). Gamificando a preparação para o Enade em cursos superiores de Computação. In Anais do III Simpósio Brasileiro de Educação em Computação (EDUCOMP) — Workshop de Teses e Dissertações, p. 44–45. DOI: 10.5753/educomp_estendido.2023.229094
de la Torre, J. (2011). The generalized DINA model framework. Psychometrika, 76(2):179–199. DOI: 10.1007/s11336-011-9207-7
Fryer, L. K. (2017). (Latent) transitions to learning at university: a latent profile transition analysis of first-year Japanese students. Higher Education, 73(3):519–537. DOI: 10.1007/s10734-016-0094-9
Gondran, E., Lucca, G., Borges, E. N. and Santos, H. (2023). A evolução do perfil de estudantes de Engenharia com bom desempenho no ENADE. In Anais do XXXIV Simpósio Brasileiro de Informática na Educação (SBIE), p. 1238–1248. DOI: 10.5753/sbie.2023.234252
Greenacre, M. (2017). Correspondence analysis in practice. CRC Press, 3rd edition. DOI: 10.1201/9781315369983
Hennig, C. (2007). Cluster-wise assessment of cluster stability. Computational Statistics & Data Analysis, 52(1):258–271. DOI: 10.1016/j.csda.2006.11.025
Henson, R. A., Templin, J. L. and Willse, J. T. (2009). Defining a family of cognitive diagnosis models using log-linear models with latent variables. Psychometrika, 74(2):191–210. DOI: 10.1007/s11336-008-9089-5
Hickendorff, M., van Putten, C. M., Verhelst, N. D. and Heiser, W. J. (2010). Individual differences in strategy use on division problems: mental versus written computation. Journal of Educational Psychology, 102(2):438–452. DOI: 10.1037/a0018177
Hickendorff, M., Edelsbrunner, P. A., McMullen, J., Schneider, M. and Trezise, K. (2018). Informative tools for characterizing individual differences in learning: latent class, latent profile, and latent transition analysis. Learning and Individual Differences, 66:4–15. DOI: 10.1016/j.lindif.2017.11.001
Hsu, C.-L., Jin, K.-Y. and Chiu, M. M. (2020). Cognitive diagnostic models for random guessing behaviors. Frontiers in Psychology, 11:570365. DOI: 10.3389/fpsyg.2020.570365
Hubert, L. and Arabie, P. (1985). Comparing partitions. Journal of Classification, 2(1):193–218. DOI: 10.1007/BF01908075
INEP (2023). Relatório-síntese ENADE 2023. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira.
Junker, B. W. and Sijtsma, K. (2001). Cognitive assessment models with few assumptions, and connections with nonparametric item response theory. Applied Psychological Measurement, 25(3):258–272. DOI: 10.1177/01466210122032064
Leão, J., Araújo, A., Souza, B. M. F., Araújo, J. F., Ferreira, K., Barros, M., Lauschner, T. and Nakamura, F. G. (2021). Uma análise regional sobre o perfil de estudantes concluintes em cursos STEAM através do ENADE. In Anais do XV Women in Information Technology (WIT), p. 200–209. DOI: 10.5753/wit.2021.15871
Lima, P., Ambrósio, A., Brancher, J. and Felix, I. (2018). SysEnade: análise das questões de provas do Enade organizadas pelos temas abordados. In Anais dos Workshops do Congresso Brasileiro de Informática na Educação (CBIE), v. 7, p. 419. DOI: 10.5753/cbie.wcbie.2018.419
March, S. T. and Smith, G. F. (1995). Design and natural science research on information technology. Decision Support Systems, 15(4):251–266. DOI: 10.1016/0167-9236(94)00041-2
Mendonça, N. C. (2024). Evaluating ChatGPT-4 Vision on Brazil's national undergraduate Computer Science exam. ACM Transactions on Computing Education, 24(3), Article 37. DOI: 10.1145/3674832
Murtagh, F. and Legendre, P. (2014). Ward's hierarchical agglomerative clustering method: which algorithms implement Ward's criterion? Journal of Classification, 31(3):274–295. DOI: 10.1007/s00357-014-9161-z
Nylund, K. L., Asparouhov, T. and Muthén, B. O. (2007). Deciding on the number of classes in latent class analysis and growth mixture modeling. Structural Equation Modeling, 14(4):535–569. DOI: 10.1080/10705510701575396
Nylund-Gibson, K. and Choi, A. Y. (2018). Ten frequently asked questions about latent class analysis. Translational Issues in Psychological Science, 4(4):440–461. DOI: 10.1037/tps0000176
Rezende, C. C. S., Cantarino, L. A. B., Souza, P. F., Alves, T. O. M. and Campos, R. S. (2022). O impacto de aspectos socioeconômicos no desempenho de estudantes de Sistemas de Informação no Enade. Revista Brasileira de Informática na Educação, 30:157–181. DOI: 10.5753/rbie.2022.30.0.157
Ribeiro, T. C., Córdova Júnior, W. F. and Castello Branco Neto, W. (2022). Plataforma para auxílio na preparação de estudantes para as avaliações do ENADE e POSCOMP. In Anais do II Simpósio Brasileiro de Educação em Computação (EDUCOMP), p. 243–250. DOI: 10.5753/educomp.2022.19224
Romero, C. and Ventura, S. (2020). Educational data mining and learning analytics: an updated survey. WIREs Data Mining and Knowledge Discovery, 10(3):e1355. DOI: 10.1002/widm.1355
Rupp, A. A., Templin, J. L. and Henson, R. A. (2010). Diagnostic measurement: theory, methods, and applications. Guilford Press, New York.
Sakashita, R. G. A., Bertolini, D. and Schwerz, A. L. (2023). Predição do conceito ENADE dos cursos de Computação no Brasil. In Anais do XXXIV Simpósio Brasileiro de Informática na Educação (SBIE), p. 1305–1316. DOI: 10.5753/sbie.2023.234268
Schwarz, G. (1978). Estimating the dimension of a model. The Annals of Statistics, 6(2):461–464. DOI: 10.1214/aos/1176344136
Siemens, G. (2013). Learning analytics: the emergence of a discipline. American Behavioral Scientist, 57(10):1380–1400. DOI: 10.1177/0002764213498851
Silva, J. A., Pedreira, K. S. and Alves, T. O. M. (2025). Avalia: ferramenta baseada em inteligência artificial e dados do Enade para análise curricular do curso de Sistemas de Informação. In Anais do XXI Simpósio Brasileiro de Sistemas de Informação (SBSI) — Anais Estendidos, p. 122–131. DOI: 10.5753/sbsi_estendido.2025.4905
Souza, K. E., Miranda Neto, M. and Lana, C. A. (2024). Classificação curricular das questões do ENADE em Engenharia de Computação: uma mineração de texto. In Anais do XXXV Simpósio Brasileiro de Informática na Educação (SBIE), p. 3009–3019. DOI: 10.5753/sbie.2024.243981
Templin, J. L. and Henson, R. A. (2006). Measurement of psychological disorders using cognitive diagnosis models. Psychological Methods, 11(3):287–305. DOI: 10.1037/1082-989X.11.3.287
Tjoe, H. and de la Torre, J. (2022). The G-DINA model framework: a review and applications in cognitive diagnostic assessment. Educational Measurement: Issues and Practice, 41(1):21–36. DOI: 10.1111/emip.12463
Vieira, A. S., Bertolini, D. and Schwerz, A. L. (2022). Análise do desempenho no Enade dos concluintes de Computação usando a técnica de agrupamento. In Anais do XXXIII Simpósio Brasileiro de Informática na Educação (SBIE), p. 834–845. DOI: 10.5753/sbie.2022.225528
Weller, B. E., Bowen, N. K. and Faubert, S. J. (2020). Latent class analysis: a guide to best practice. Journal of Black Psychology, 46(4):287–311. DOI: 10.1177/0095798420930932
Wohlin, C., Runeson, P., Höst, M., Ohlsson, M. C., Regnell, B. and Wesslén, A. (2012). Experimentation in Software Engineering. Springer, Berlin Heidelberg. DOI: 10.1007/978-3-642-29044-2
Brito, L. M., Nascimento, F. S., Monteiro, V. C. S. and Mourão, A. B. (2025). Prepara Enade: plataforma web para apoiar o desempenho dos concluintes de licenciatura em Computação em conteúdos de educação especial e inclusiva. In Anais do XXXI Workshop de Informática na Escola (WIE), p. 133–144. DOI: 10.5753/wie.2025.247421
Carvalho, L. M., Carvalho Júnior, C. M. and Mendonça, N. C. (2026). Evaluating the accuracy and stability of frontier LLMs on ENADE Computer Science questions. In R. de Freitas and D. Furtado (eds.), Intelligent Systems (BRACIS 2025), Lecture Notes in Computer Science, vol. 16182. Springer. DOI: 10.1007/978-3-032-15993-9_18
Celeux, G. and Soromenho, G. (1996). An entropy criterion for assessing the number of clusters in a mixture model. Journal of Classification, 13(2):195–212. DOI: 10.1007/BF01246098
Chagas Júnior, J. M., Amora, S. S. A., Rodrigues, L. C. C. and Queiroz, P. G. G. (2023). Solucione.me: um sistema responsivo baseado em gamificação para auxiliar o processo de ensino-aprendizagem, apoiado no ENADE. In Anais do XXXIV Simpósio Brasileiro de Informática na Educação (SBIE), p. 707–717. DOI: 10.5753/sbie.2023.234064
Charão, A. S., Wiechork, K., Rodrigues, M. L. S. and Barbosa, F. P. (2020). Explorando resultados por questão no Enade em Ciência da Computação para subsidiar revisão de projeto pedagógico de curso. In Anais do XXVIII Workshop sobre Educação em Computação (WEI), p. 16–20. DOI: 10.5753/wei.2020.11119
Collins, L. M. and Lanza, S. T. (2010). Latent class and latent transition analysis. Wiley, Hoboken. DOI: 10.1002/9780470567333
Cunha, R., Sales, C. and Santos, R. (2021). Análise automática com os microdados do ENADE para melhoria do ensino dos cursos de Ciência da Computação. In Anais do XXIX Workshop sobre Educação em Computação (WEI), p. 208–217. DOI: 10.5753/wei.2021.15915
Damazio, G. N. D. O. and Carvalho, W. V. (2023). Gamificando a preparação para o Enade em cursos superiores de Computação. In Anais do III Simpósio Brasileiro de Educação em Computação (EDUCOMP) — Workshop de Teses e Dissertações, p. 44–45. DOI: 10.5753/educomp_estendido.2023.229094
de la Torre, J. (2011). The generalized DINA model framework. Psychometrika, 76(2):179–199. DOI: 10.1007/s11336-011-9207-7
Fryer, L. K. (2017). (Latent) transitions to learning at university: a latent profile transition analysis of first-year Japanese students. Higher Education, 73(3):519–537. DOI: 10.1007/s10734-016-0094-9
Gondran, E., Lucca, G., Borges, E. N. and Santos, H. (2023). A evolução do perfil de estudantes de Engenharia com bom desempenho no ENADE. In Anais do XXXIV Simpósio Brasileiro de Informática na Educação (SBIE), p. 1238–1248. DOI: 10.5753/sbie.2023.234252
Greenacre, M. (2017). Correspondence analysis in practice. CRC Press, 3rd edition. DOI: 10.1201/9781315369983
Hennig, C. (2007). Cluster-wise assessment of cluster stability. Computational Statistics & Data Analysis, 52(1):258–271. DOI: 10.1016/j.csda.2006.11.025
Henson, R. A., Templin, J. L. and Willse, J. T. (2009). Defining a family of cognitive diagnosis models using log-linear models with latent variables. Psychometrika, 74(2):191–210. DOI: 10.1007/s11336-008-9089-5
Hickendorff, M., van Putten, C. M., Verhelst, N. D. and Heiser, W. J. (2010). Individual differences in strategy use on division problems: mental versus written computation. Journal of Educational Psychology, 102(2):438–452. DOI: 10.1037/a0018177
Hickendorff, M., Edelsbrunner, P. A., McMullen, J., Schneider, M. and Trezise, K. (2018). Informative tools for characterizing individual differences in learning: latent class, latent profile, and latent transition analysis. Learning and Individual Differences, 66:4–15. DOI: 10.1016/j.lindif.2017.11.001
Hsu, C.-L., Jin, K.-Y. and Chiu, M. M. (2020). Cognitive diagnostic models for random guessing behaviors. Frontiers in Psychology, 11:570365. DOI: 10.3389/fpsyg.2020.570365
Hubert, L. and Arabie, P. (1985). Comparing partitions. Journal of Classification, 2(1):193–218. DOI: 10.1007/BF01908075
INEP (2023). Relatório-síntese ENADE 2023. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira.
Junker, B. W. and Sijtsma, K. (2001). Cognitive assessment models with few assumptions, and connections with nonparametric item response theory. Applied Psychological Measurement, 25(3):258–272. DOI: 10.1177/01466210122032064
Leão, J., Araújo, A., Souza, B. M. F., Araújo, J. F., Ferreira, K., Barros, M., Lauschner, T. and Nakamura, F. G. (2021). Uma análise regional sobre o perfil de estudantes concluintes em cursos STEAM através do ENADE. In Anais do XV Women in Information Technology (WIT), p. 200–209. DOI: 10.5753/wit.2021.15871
Lima, P., Ambrósio, A., Brancher, J. and Felix, I. (2018). SysEnade: análise das questões de provas do Enade organizadas pelos temas abordados. In Anais dos Workshops do Congresso Brasileiro de Informática na Educação (CBIE), v. 7, p. 419. DOI: 10.5753/cbie.wcbie.2018.419
March, S. T. and Smith, G. F. (1995). Design and natural science research on information technology. Decision Support Systems, 15(4):251–266. DOI: 10.1016/0167-9236(94)00041-2
Mendonça, N. C. (2024). Evaluating ChatGPT-4 Vision on Brazil's national undergraduate Computer Science exam. ACM Transactions on Computing Education, 24(3), Article 37. DOI: 10.1145/3674832
Murtagh, F. and Legendre, P. (2014). Ward's hierarchical agglomerative clustering method: which algorithms implement Ward's criterion? Journal of Classification, 31(3):274–295. DOI: 10.1007/s00357-014-9161-z
Nylund, K. L., Asparouhov, T. and Muthén, B. O. (2007). Deciding on the number of classes in latent class analysis and growth mixture modeling. Structural Equation Modeling, 14(4):535–569. DOI: 10.1080/10705510701575396
Nylund-Gibson, K. and Choi, A. Y. (2018). Ten frequently asked questions about latent class analysis. Translational Issues in Psychological Science, 4(4):440–461. DOI: 10.1037/tps0000176
Rezende, C. C. S., Cantarino, L. A. B., Souza, P. F., Alves, T. O. M. and Campos, R. S. (2022). O impacto de aspectos socioeconômicos no desempenho de estudantes de Sistemas de Informação no Enade. Revista Brasileira de Informática na Educação, 30:157–181. DOI: 10.5753/rbie.2022.30.0.157
Ribeiro, T. C., Córdova Júnior, W. F. and Castello Branco Neto, W. (2022). Plataforma para auxílio na preparação de estudantes para as avaliações do ENADE e POSCOMP. In Anais do II Simpósio Brasileiro de Educação em Computação (EDUCOMP), p. 243–250. DOI: 10.5753/educomp.2022.19224
Romero, C. and Ventura, S. (2020). Educational data mining and learning analytics: an updated survey. WIREs Data Mining and Knowledge Discovery, 10(3):e1355. DOI: 10.1002/widm.1355
Rupp, A. A., Templin, J. L. and Henson, R. A. (2010). Diagnostic measurement: theory, methods, and applications. Guilford Press, New York.
Sakashita, R. G. A., Bertolini, D. and Schwerz, A. L. (2023). Predição do conceito ENADE dos cursos de Computação no Brasil. In Anais do XXXIV Simpósio Brasileiro de Informática na Educação (SBIE), p. 1305–1316. DOI: 10.5753/sbie.2023.234268
Schwarz, G. (1978). Estimating the dimension of a model. The Annals of Statistics, 6(2):461–464. DOI: 10.1214/aos/1176344136
Siemens, G. (2013). Learning analytics: the emergence of a discipline. American Behavioral Scientist, 57(10):1380–1400. DOI: 10.1177/0002764213498851
Silva, J. A., Pedreira, K. S. and Alves, T. O. M. (2025). Avalia: ferramenta baseada em inteligência artificial e dados do Enade para análise curricular do curso de Sistemas de Informação. In Anais do XXI Simpósio Brasileiro de Sistemas de Informação (SBSI) — Anais Estendidos, p. 122–131. DOI: 10.5753/sbsi_estendido.2025.4905
Souza, K. E., Miranda Neto, M. and Lana, C. A. (2024). Classificação curricular das questões do ENADE em Engenharia de Computação: uma mineração de texto. In Anais do XXXV Simpósio Brasileiro de Informática na Educação (SBIE), p. 3009–3019. DOI: 10.5753/sbie.2024.243981
Templin, J. L. and Henson, R. A. (2006). Measurement of psychological disorders using cognitive diagnosis models. Psychological Methods, 11(3):287–305. DOI: 10.1037/1082-989X.11.3.287
Tjoe, H. and de la Torre, J. (2022). The G-DINA model framework: a review and applications in cognitive diagnostic assessment. Educational Measurement: Issues and Practice, 41(1):21–36. DOI: 10.1111/emip.12463
Vieira, A. S., Bertolini, D. and Schwerz, A. L. (2022). Análise do desempenho no Enade dos concluintes de Computação usando a técnica de agrupamento. In Anais do XXXIII Simpósio Brasileiro de Informática na Educação (SBIE), p. 834–845. DOI: 10.5753/sbie.2022.225528
Weller, B. E., Bowen, N. K. and Faubert, S. J. (2020). Latent class analysis: a guide to best practice. Journal of Black Psychology, 46(4):287–311. DOI: 10.1177/0095798420930932
Wohlin, C., Runeson, P., Höst, M., Ohlsson, M. C., Regnell, B. and Wesslén, A. (2012). Experimentation in Software Engineering. Springer, Berlin Heidelberg. DOI: 10.1007/978-3-642-29044-2
Publicado
05/10/2026
Como Citar
GONÇALVES, Ivanylson Honorio; STRÖELE, Victor; BRAGA, Regina; DAVID, José Maria.
PRISM-EDU: Mining ENADE Microdata to Diagnose Learning Deficiencies in Brazilian Higher Education. In: SIMPÓSIO BRASILEIRO DE INFORMÁTICA NA EDUCAÇÃO (SBIE), 37. , 2026, Goiânia/GO.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2026
.
p. 274-289.
DOI: https://doi.org/10.5753/sbie.2026.27000.
