Uma Análise Experimental Usando Mineração de Dados Educacionais sobre os Dados do ENEM para Identificação de Causas do Desempenho dos Estudantes
Resumo
O Exame Nacional do Ensino Médio (ENEM) é uma das maneiras utilizadas para mensurar o nível de conhecimento dos estudantes no fim da educação básica. Este artigo apresenta uma análise experimental baseada em Mineração de Dados Educacionais, incluindo o uso de técnicas de visualização de dados e construção de modelos preditivos para identificar os atributos mais relacionados ao desempenho dos estudantes. Foram usados dados do ENEM de 2018 de todo o Brasil, com um total de mais de 5 milhões de registros. Nossos resultados mostraram que os atributos sócio-econômicos de fato apresentam uma relação significativa com o resultado dos estudantes no ENEM.
Palavras-chave:
Mineração de Dados Educacionais, Visualização de Dados, ENEM
Referências
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).
Publicado
19/07/2021
Como Citar
BANNI, Maicon Ribeiro; OLIVEIRA, Marcos Vinicius dos P.; BERNARDINI, Flavia Cristina.
Uma Análise Experimental Usando Mineração de Dados Educacionais sobre os Dados do ENEM para Identificação de Causas do Desempenho dos Estudantes. In: WORKSHOP SOBRE AS IMPLICAÇÕES DA COMPUTAÇÃO NA SOCIEDADE (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.
