ANÁLISE COM MODELAGEM MULTINÍVEL: CONTRIBUIÇÃO PARA ESTUDO SOBRE AS VARIÁVEIS SIGNIFICANTES PARA AS NOTAS NO ENEM
DOI:
https://doi.org/10.18312/connectionline.v30i30.2396Resumo
O Enem é uma das avaliações mais importantes para a educação básica do Brasil, reunindo estudantes de todos os tipos de escola, renda familiar e cor, à fim de estabelecer o ingresso ao ensino superior, seja ele em universidades públicas ou em particulares contando com bolsa ou
financiamento estudantil. Contando com uma extensa base de dados sobre os inscritos do ano de 2019 e dados sobre as escolas que os mesmos estudaram em seu último ano escolar o presente trabalho teve o objetivo de testar e demonstrar quais variáveis ligadas ao aluno e à
escola podem ser consideradas explicativas para a média das cinco notas que compõe a avaliação. Para esta demonstração foi desenvolvido um algoritmo supervisionado de “machine learning” conhecido como modelagem linear generalizado multinível, onde os dados referentes aos inscritos são aninhados aos dados referentes as escolas, podendo assim demonstrar que este tipo de técnica proporciona melhores resultados quando comparada a um modelo de regressão linear simples para este tipo de caso. O modelo foi construído com 36 variáveis, chegando a um valor de máxima verossimilhança restrita de 65.144,52. Além da utilidade preditiva do modelo, também permitiu uma análise socioeconômica do ingresso para o ensino superior, pois os resultados têm forte relação com dados como a raça/cor, renda, sexo e escolaridade dos pais dos alunos, também a dispositivos de acesso à informação nas escolas, como bibliotecas e computadores, permitindo assim o apontamento para fatores que podem ser aprimorados tanto no meio da educação básica quanto no social.
Palavras-chave: educação; modelo hierárquico linear; “machine learning”.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Autores que publicam nesta revista concordam com os seguintes termos:
- Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
- Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
- Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado
