Mineração de dados educacionais aplicada aos microdados do Saeb: predição de desempenho e fatores associados à proficiência no ensino médio em Rondônia

Abstract

Este estudo investiga a aplicação de técnicas de Mineração de Dados Educacionais (MDE) aos microdados do Sistema de Avaliação da Educação Básica (SAEB), com foco nos estudantes do 3º e 4º anos do Ensino Médio do estado de Rondônia. O objetivo foi desenvolver modelos de predição de desempenho em Língua Portuguesa e Matemática e identificar variáveis socioeconômicas, escolares e individuais mais relevantes para a proficiência dos alunos. Foram utilizados algoritmos de regressão, incluindo Linear Regression, IBk (KNN), Random Forest, SMOreg e M5P, sendo este último o que apresentou melhor desempenho preditivo. A análise de relevância por meio do método ReliefF apontou fatores como tempo de estudo, sexo, tipo de escola, acesso a recursos tecnológicos e compreensão das aulas remotas como determinantes do desempenho. Os resultados evidenciam a importância das condições socioeconômicas e do contexto educacional para a aprendizagem, oferecendo subsídios para políticas públicas mais direcionadas e para estratégias pedagógicas voltadas à redução das desigualdades educacionais.