Análise multivariada aplicada para descrição do panorama educacional brasileiro
DOI:
https://doi.org/10.34117/bjdv10n3-074Keywords:
matemática aplicada, BNCC, educação, análise multivariada, evasão escolarAbstract
A proposta da Base Nacional Comum Curricular (BNCC) é estabelecer um conjunto de aprendizagens fundamentais que devem ser desenvolvidas por todos os estudantes, independentemente da região do país ou da rede de ensino em que estejam matriculados. Isso visa assegurar uma educação de qualidade, equitativa e que atenda às necessidades da sociedade contemporânea. É fundamental que as unidades de ensino do país, capitaneadas pelos seus gestores, tenham acesso a dados que possam ajudar a monitorar a aplicação da BNCC. Como são geradas muitas informações educacionais, uma análise univariada pode não ser o suficiente para descrever o panorama educacional e verificar a completude da execução das propostas apresentadas na BNCC. Dessa forma, o presente estudo tem por objetivo apresentar uma análise multivariada de grandes conjuntos de dados educacionais. No estudo a metodologia de agrupamento K−means possibilitou descrever que a taxa de evasão apresentou a menor variação para o ano de 2018. Ao mesmo tempo que o estado de Pernambuco apresentou maior taxa de média de horas aula para a rede pública de ensino. Evidenciou-se também que os ensinos da rede pública e privada possuem aspectos diferenciados. Exemplarmente, o ensino público no Estado do Ceará para o ano de 2022 apresentou similaridade ao ensino privado do Estado de São Paulo. A metodologia auxiliou na identificação das variáveis que contribuíram para que os grupos dos estados do Rio Grande do Norte, Pará e Bahia apresentassem alta dissimilaridade em relação aos demais estados da unidade federativa do Brasil.
References
ALEXANDER, K. L.; ENTWISLE, D. R.; HORSEY, C. S. From first grade forward: Early foundations of high school dropout. Sociology of education, p. 87-107, 1997. doi: 10.2307/2673158.
BASSETTO, C. F. Background familiar e desempenho escolar: uma abordagem com variáveis binárias a partir dos resultados do saresp. Revista Brasileira de Estudos de População, v. 36, 2019. doi: 10.20947/s0102-3098a0077.
BRANCO, E. P.; ADRIANO, G.; BRANCO, A. B. G.; IWASSE, L. F. A. Evasão escolar: desafios para permanência dos estudantes na educação básica. Revista Contemporânea de Educação, v. 15, n. 34, p. 133–155, 2020. doi:10.20500/rce. v15i34.34781.
CAI, B.; LIU, H.; ZHANG, X.; PAN, H.; ZHAO, M.; ZHENG, T.; NIE, J.; DU, M.; DHAKAL, S. High-resolution accounting of urban emissions in china. Applied Energy, v. 325, p. 119896, 2022. doi: 10.1016/j.apenergy.2022.119896.
COSTA, L. A.; SILVA, M. O. Educação e democracia: Base nacional comum curricular e novo ensino médio sob a ótica de entidades acadêmicas da área educacional. Revista Brasileira de Educação, v. 24, p. e240047, 2019. doi: 10.1590/s1413-24782019240047.
DEMIR, K.; KARABEYOGLU, Y. A. Factors associated with absenteeism in high schools. Eurasian Journal of Educational Research, v. 16, n. 62, 2015. doi: 10.14689/ejer.2016.62.4.
DIAS, M. S.; SILVA, A. O.; SANTOS, B. S.; LIMA, R. H. P. Técnicas de agrupamento aplicadas aos indicadores de crescimento verde da ocde. Revista Principia-Divulgação Científica e Tecnológica do IFPB, 2022. doi: 10.18265/1517-0306a2022id7168.
DOS SANTOS, Dionys Morais. Evasão escolar na EJA: estudo comparativo em uma escola da rede pública estadual de Pacatuba–CE. Brazilian Journal of Development, v. 5, n. 10, p. 18916-18940, 2019.
FAVERO, E.; GUERRA, D.; SANTOS, H. L. M. M.; DELAZERI, C. M. O primeiro ano do ensino fundamental de nove anos: uma revisão teórica. Psicologia Escolar e Educacional, v. 21, p. 397-406, 2017. doi: 10.1590/2175-3539201702131123.
FERNANDES, L. M.; LEME, V. B. R.; ELIAS, L. C. S.; SOARES, A. B. Preditores do desempenho escolar ao final do ensino fundamental: histórico de reprovação, habilidades sociais e apoio social. Trends in Psychology, v. 26, p. 215-228, 2018.
FERREIRA, L. G.; ABREU, R. M. A. Características e desafios dos/nos anos iniciais do ensino fundamental: vozes de estagiários. Revista de Estudos em Educação e Diversidade-REED, v. 2, n. 5, p. 1-31, 2021. doi: 10.22481/reed. v2i5.9557.
FERRETTI, C. J. A reforma do ensino médio e sua questionável concepção de qualidade da educação. Estudos avançados, v. 32, p. 25-42, 2018.
FILHO, R. M. S.; ARAÚJO, R. B. L. Evasão e abandono escolar na educação básica no Brasil: fatores, causas e possíveis consequências. Educação por escrito, v. 8, n. 1, p. 35-48, 2017. doi: 10.15448/2179-8435.2017.1.24527.
FUJII, H.; IWATA, K.; MANAGI, S. How do urban characteristics affect climate change mitigation policies? Journal of Cleaner Production, v. 168, p. 271-278, 2017. doi: 10.1016/j.jclepro.2017.08.221.
GOVENDER, P.; SIVAKUMAR, V. Application of k-means and hierarchical clustering techniques for analysis of air pollution: A review (1980–2019). Atmospheric pollution research, v. 11, n. 1, p. 40-56, 2020. doi: 10.1016/j.apr.2019.09.009.
HARTIGAN, J. A.; WONG, M. A. A k-means clustering algorithm. Applied statistics, v. 28, n. 1, p. 100-108, 1979.
HASTIE, T.; TIBSHIRANI, R.; WALTHER, G. Estimating the number of data clusters via the gap statistic. Journal Royal Statistical Society series B, v. 63, p. 411-423, 2001.
JÚNIOR, F. T.; SANTOS, J. R.; MACIEL, M. S. Análise da evasão no sistema educacional brasileiro. Pesquisa E Debate Em Educação, v. 6, n.1, p. 73-92, 2016.
MACQUEEN, J. Classification and analysis of multivariate observations. In 5th Berkeley Symp. Math. Statist. Probability, p. 281-297, 1967.
ROSA, A. R.; FERNANDES, G. N. A.; LEMOS, S. M. A. Desempenho escolar e comportamentos sociais em adolescentes. Audiology-Communication Research, v. 25, 2020. doi: 10.1590/2317-6431-2019-2287.
SUTPHEN, R. D.; FORD, J. P.; FLAHERTY, C. Truancy interventions: A review of the research literature. Research on social work practice, v. 20, n. 2, p. 161-171, 2010. doi: 10.1177/ 1049731509347861.
SYAKUR, M. A.; KHOTIMAH B. K.; ROCHMAN, E. M. S.; SATOTO, B. D. Integration k-means clustering method and elbow method for identification of the best customer profile cluster. In IOP conference series: materials science and engineering, v. 336, p. 012017, 2018. doi: 10.1088/1757-899x/336/1/012017.
ZARDETO-SABEC, Giuliana et al. Changing education with active methodologies Mudando a educação com metodologias ativas. Braz. J. of Develop, v. 6, n. 6, p. 41524-41539, 2020.
INSTITUTO NACIONAL DE ESTUDOS E PESUISAS EDUCACIONAIS ANÍSIO TEIXEIRA (INEP). Disponível em: https://www.gov.br/inep/pt-br/acesso-a-informacao/dados-abertos/microdados. Acesso em: Agosto 2023.
R Core Team. R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing, Vienna, Austria, 2022. Disponível em: https://www.R-project.org/.
