An Experimental Analysis Using Educational Data Mining on ENEM Data to Identify Causes of Student Performance
Abstract
The National High School Examination (ENEM) is one of the ways used to measure the level of knowledge of students at the end of basic education. This paper presents an experimental analysis based on Educational Data Mining, including the use of data visualization techniques and the construction of predictive models to identify the attributes most related to student performance. We used collected data from ENEM 2018 related to all states in Brazil, with a total of more than 5 million records. Our results showed that the socio-economic attributes in fact have a significant relationship with the results of students at ENEM.
Keywords:
Educational Data Mining, Data Visualization, ENEM
References
Aldowah, H., Al-Samarraie, H. and Fauzy, W.M. (2019). Educational Data Mining and Learning Analytics for 21stcentury higher education: A Review and Synthesis Telematics and Informatics.
Alves, R. D., Cechinel, C. e Queiroga, E. (2018). Predição do desempenho de Matemática e Suas Tecnologias do ENEM utilizando técnicas de Mineração De Dados. Em: Anais dos Workshops do Congresso Brasileiro de Informática na Educação. p. 469.
Baker, R.; Isotani, S.; Carvalho, A. (2011). Mineração de Dados Educacionais: Oportunidades para o Brasil. Revista Brasileira de Informática na Educação. p.3-13.
Brito, E. C e Damazio, M. R. (2018). Desenvolvimento Econômico No Brasil: Similaridades E Diferenças Entre As Regiões Sul E Nordeste No Período De 2001 A 2015. Revista de Desenvolvimento Econômico – RDE - Ano XX – V. 3 - N. p. 167–198.
Carmo. R., V., Heckler. W., F. e Carvalho, J., V. (2020) Uma Análise do Desempenho dos Estudantes do Rio Grande do Sul no ENEM 2019. Revista Novas Tecnologias na Educação. V.18 Nº 2.
Franco, Jacinto José; Miranda, Fernanda Luzia de Almeida; Stiegler, Davi; Dantas, Felipe Rodrigues; Brancher, Jacques Duílio; Nogueira, Tiago do Carmo. (2020). Usando Mineração de Dados para Identificar Fatores mais Importantes do Enem dos Últimos 22 Anos. Anais do XXXI Simpósio Brasileiro de Informática na Educação. p. 1112-1121.
Freire, P. (2019). Direitos Humanos e Educação Libertadora: gestão democrática da educação pública na cidade de São Paulo. Rio de Janeiro, São Paulo: Paz e Terra.
INEP. (2020). ENEM. Disponível em: http://inep.gov.br/web/guest/enem. Acessado em: 06 de junho.
OECD. (2019), PISA 2018 Results (Volume I): What Students Know and Can Do, PISA, OECD Publishing, Paris. Disponível em: https://doi.org/10.1787/5f07c754-en. Acessado em: 10 de junho.
Paiva, R.; Bittencourt, I. I.; Pacheco, H.; Da Silva, A. P.; Jacques, P.; Isotani, S. (2012) Mineração de dados e a gestão inteligente da aprendizagem: desafios e direcionamentos. Instituto de Computação – Universidade Federal de Alagoas (UFAL), Alagoas – AL.
Sánchez, J. (2019). Desempenho das Instituições de Ensino Brasileiras no ENEM: uma abordagem Usando Mineração de dados. Nuevas Ideas en Informática Educativa, Volumen 15, p. 106-113.
Santos, B., Oliveira, C. G., Topin. L. O. H., Mendizabal, O. M. e Barwaldt, R. (2019). Analysis of Candidates Profile for the National Entrance Exams for Admission to Brazilian Universities. Proceedings - Frontiers in Education Conference, FIE.
Silva, V. A. A., Moreira, L. L. O., Gonçalves, L. B., Soares, S. S. R. F., Júnior, R. R.
S. (2020). Identificação de Desigualdades Sociais a partir do desempenho dos alunos do Ensino Médio no ENEM 2019 utilizando Mineração de Dados. Anais do XXXI Simpósio Brasileiro de Informática na Educação, p. 72-81.
Simon, A. e Cazella, S. (2017). Mineração de dados educacionais nos resultados do ENEM de 2015. In Anais dos Workshops do Congresso Brasileiro de Informática na Educação, volume 6, p. 754.
Souza, H. V. L., Neiva, D., Cavalcanti, R. P., Rodrigues, R., Gomes, A. S., and Adeodato, P. (2017). Uma análise preditiva de desempenho dos alunos dos cursos no enade com base no perfil socioeconomico e de desempenho no enem. Anais dos Workshops do Congresso Brasileiro de Informática na Educação, volume 6, p. 684.
Stearns, B., Rangel, F., Rangel, F., Firmino, F., and Oliveira, J. (2017). Scholar performance prediction using boosted regression trees techniques. European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning (ESANN).
Alves, R. D., Cechinel, C. e Queiroga, E. (2018). Predição do desempenho de Matemática e Suas Tecnologias do ENEM utilizando técnicas de Mineração De Dados. Em: Anais dos Workshops do Congresso Brasileiro de Informática na Educação. p. 469.
Baker, R.; Isotani, S.; Carvalho, A. (2011). Mineração de Dados Educacionais: Oportunidades para o Brasil. Revista Brasileira de Informática na Educação. p.3-13.
Brito, E. C e Damazio, M. R. (2018). Desenvolvimento Econômico No Brasil: Similaridades E Diferenças Entre As Regiões Sul E Nordeste No Período De 2001 A 2015. Revista de Desenvolvimento Econômico – RDE - Ano XX – V. 3 - N. p. 167–198.
Carmo. R., V., Heckler. W., F. e Carvalho, J., V. (2020) Uma Análise do Desempenho dos Estudantes do Rio Grande do Sul no ENEM 2019. Revista Novas Tecnologias na Educação. V.18 Nº 2.
Franco, Jacinto José; Miranda, Fernanda Luzia de Almeida; Stiegler, Davi; Dantas, Felipe Rodrigues; Brancher, Jacques Duílio; Nogueira, Tiago do Carmo. (2020). Usando Mineração de Dados para Identificar Fatores mais Importantes do Enem dos Últimos 22 Anos. Anais do XXXI Simpósio Brasileiro de Informática na Educação. p. 1112-1121.
Freire, P. (2019). Direitos Humanos e Educação Libertadora: gestão democrática da educação pública na cidade de São Paulo. Rio de Janeiro, São Paulo: Paz e Terra.
INEP. (2020). ENEM. Disponível em: http://inep.gov.br/web/guest/enem. Acessado em: 06 de junho.
OECD. (2019), PISA 2018 Results (Volume I): What Students Know and Can Do, PISA, OECD Publishing, Paris. Disponível em: https://doi.org/10.1787/5f07c754-en. Acessado em: 10 de junho.
Paiva, R.; Bittencourt, I. I.; Pacheco, H.; Da Silva, A. P.; Jacques, P.; Isotani, S. (2012) Mineração de dados e a gestão inteligente da aprendizagem: desafios e direcionamentos. Instituto de Computação – Universidade Federal de Alagoas (UFAL), Alagoas – AL.
Sánchez, J. (2019). Desempenho das Instituições de Ensino Brasileiras no ENEM: uma abordagem Usando Mineração de dados. Nuevas Ideas en Informática Educativa, Volumen 15, p. 106-113.
Santos, B., Oliveira, C. G., Topin. L. O. H., Mendizabal, O. M. e Barwaldt, R. (2019). Analysis of Candidates Profile for the National Entrance Exams for Admission to Brazilian Universities. Proceedings - Frontiers in Education Conference, FIE.
Silva, V. A. A., Moreira, L. L. O., Gonçalves, L. B., Soares, S. S. R. F., Júnior, R. R.
S. (2020). Identificação de Desigualdades Sociais a partir do desempenho dos alunos do Ensino Médio no ENEM 2019 utilizando Mineração de Dados. Anais do XXXI Simpósio Brasileiro de Informática na Educação, p. 72-81.
Simon, A. e Cazella, S. (2017). Mineração de dados educacionais nos resultados do ENEM de 2015. In Anais dos Workshops do Congresso Brasileiro de Informática na Educação, volume 6, p. 754.
Souza, H. V. L., Neiva, D., Cavalcanti, R. P., Rodrigues, R., Gomes, A. S., and Adeodato, P. (2017). Uma análise preditiva de desempenho dos alunos dos cursos no enade com base no perfil socioeconomico e de desempenho no enem. Anais dos Workshops do Congresso Brasileiro de Informática na Educação, volume 6, p. 684.
Stearns, B., Rangel, F., Rangel, F., Firmino, F., and Oliveira, J. (2017). Scholar performance prediction using boosted regression trees techniques. European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning (ESANN).
Published
2021-07-19
How to Cite
BANNI, Maicon Ribeiro; OLIVEIRA, Marcos Vinicius dos P.; BERNARDINI, Flavia Cristina.
An Experimental Analysis Using Educational Data Mining on ENEM Data to Identify Causes of Student Performance. In: WORKSHOP ON THE IMPLICATIONS OF COMPUTING IN SOCIETY (WICS), 2. , 2021, Evento Online.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2021
.
p. 57-66.
ISSN 2763-8707.
DOI: https://doi.org/10.5753/wics.2021.15964.
