Uso de Agrupamento para Avaliação de Desempenho Educacional e Apoio à Gestão em Áreas de Investimento

Mariana Spanol; Emília Oliveira; Gabriel Alves; Ibsen Mateus Bittencourt; Taciana Pontual Falcão; Rafael Ferreira Mello

doi:10.5753/sbie.2022.224772

Mariana Spanol Universidade de São Paulo
Emília Oliveira Universidade Federal Rural de Pernambuco
Gabriel Alves Universidade Federal Rural de Pernambuco https://orcid.org/0000-0002-2249-7818
Ibsen Mateus Bittencourt Universidade Federal de Alagoas
Taciana Pontual Falcão Universidade Federal Rural de Pernambuco https://orcid.org/0000-0003-2775-4913
Rafael Ferreira Mello Universidade Federal Rural de Pernambuco / Centro de Estudos e Sistemas Avançados do Recife http://orcid.org/0000-0003-3548-9670

DOI: https://doi.org/10.5753/sbie.2022.224772

Resumo

O Plano Nacional de Educação (PNE) define metas e indicadores relacionados à educação, que devem ser observados pelos gestores dos entes federados do Brasil. No caso do gestor municipal, observar práticas de município com características parecidas e que tenham obtido resultados melhores nos indicadores do PNE, pode auxiliar na decisão sobre a utilização dos recursos. Este trabalho propõe um método inovador que é dividido em duas etapas: (1) Agrupamento das municipalidades brasileiras com aprendizado não-supervisionado com base em métricas sociodemográficas; (2) Comparação de métricas educacionais entre o município e os demais municípios do seu grupo. Este estudo mostrou uma melhora no Coeficiente de Silhueta, atestando que o método proposto criou grupos mais coesos. A fim de exemplificar esta abordagem, foi analisado o Indicador 1A da Meta 1 do PNE, para o município de Salvador. Foi observado que os bons resultados para algumas métricas educacionais não refletiram um aumento significativo no indicador do PNE avaliado.

Referências

Abreu, R., Pitangui, C., Andrade, A., Assis, L., and Silva, C. (2020). Detecção automática de estilos de aprendizagem por meio de técnicas de clusterização e classificação. Anais do XXXI Simpósio Brasileiro de Informática na Educação, páginas 1022–1031,Porto Alegre, RS, Brasil. SBC.

Arthur, D. and Vassilvitskii, S. (2006). k-means++: The advantages of careful seeding. Technical Report 2006-13, Stanford InfoLab. Bandeira, L. F. and Reyes Junior, E. (2021).

Programa minha casa minha vida (2012-2016): análise da eficiência relativa dos municípios brasileiros na execução de programas federais. Revista de Administração Pública,55:309–330.

Brasil (2014). Lei nº 13.005, de 25 de junho de 2014. Aprova o plano nacional de educação - pne e dá outras providências. Diário Oficial [da] República Federativa do Brasil.

Clow, D. (2013). An overview of learning analytics. Teaching in Higher Education, 18(6):683–695.

Gan, G. and Ng, M. K.-P. (2017). k-means clustering with outlier removal. Pattern Recognition Letters, 90:8–14.

Gordia, A. P. e. a. (2010). Variáveis comportamentais e sociodemográficas estão associadas ao domínio psicológico da qualidade de vida de adolescentes. Chinese Science Bulletin, 28(1):29–35.

Greco, S., Figueira, J., and Ehrgott, M. (2016). Multiple Criteria Decision Analysis: State of the Art Surveys. Springer.

Gutiérrez, F., Seipp, K., Ochoa, X., Chiluiza, K., De Laet, T., and Verbert, K. (2020). Lada: A learning analytics dashboard for academic advising. Computers in Human Behavior, 107:105826.

Herodotou, C., Rienties, B., Boroowa, A., Zdrahal, Z., and Hlosta, M. (2019). A large-scale implementation of predictive learning analytics in higher education: the teachers’ role and perspective. Educational Technology Research and Development, 67(5):1273– 1306.

IBGE (2022). Áreas territoriais. Disponível em: [link].

Jordan, M. I. and Mitchell, T. M. (2015). Machine learning: Trends, perspectives, and prospects. Science, 349(6245):255–260.

MEC (2022). Pne em movimento. Disponível em: http://simec.mec.gov.br/pde/grafico_pne.php.

Montgomery, D. C. and Runger, G. C. (2018). Applied Statistics and Probability for Engineers. John wiley & sons.

MP-SC (2022). Relatório de monitoramento do plano municipal de educação. Disponível em: [link].

PNAD Contínua, I. (2022). Pnad contínua - pesquisa nacional por amostra de domicílios contínua.

Rousseeuw, P. J. (1987). Silhouettes: A graphical aid to the interpretation and validation of cluster analysis. Journal of Computational and Applied Mathematics, 20:53–65.

Silva, W. D., Pereira, S. S. L., Pereira, D. S., and COSTA, M. (2021). Um sistema baseado em machine learning para apoio à decisão no gerenciamento de produção apícola. Embrapa Amazônia Oriental-Artigo em periódico indexado (ALICE).

TCE-SC (2022). Espaço tce educação. Disponível em: https://servicos.tce.sc.gov.br/tceeducacao/#acompanhamento.

Todos pela Educação (2022). Observatório do plano nacional de educação. Disponível em: https://www.observatoriodopne.org.br.

Zapparolli, L., Stiubiener, I., Braga, J., and Pimentel, E. (2017). Aplicando técnicas de business intelligence e learning analytics em ambientes virtuais de aprendizagem. Simpósio Brasileiro de Informática na Educação, 28(1):536–545.