MINERAÇÃO EM BASES DE DADOS DO INEP: UMA ANÁLISE EXPLORATÓRIA PARA NORTEAR MELHORIAS NO SISTEMA EDUCACIONAL BRASILEIRO

Abstract

RESUMO: O Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira (INEP) possui bases de dados provenientes de levantamentos estatísticos e avaliativos em diversos níveis e modalidades de ensino, incluindo a Educação Básica, cuja avaliação é efetuada pelo Sistema de Avaliação da Educação Básica (Saeb). Com o intuito de analisar o Ensino Fundamental público brasileiro, o Saeb é composto de uma avaliação denominada Prova Brasil, que, por intermédio da aplicação de testes e questionários aos alunos, professores e diretores, torna possível a extração de informações relevantes para identificação de caminhos visando à melhoria da qualidade do ensino. Mediante o desafio de explorar esta base, constituída de um grande volume de dados, este estudo aplica o processo de Descoberta de Conhecimento em Bancos de Dados (Knowledge Discovery in Databases - KDD) com o intuito de identificar fatores que relacionam o perfil de professores que lecionam Matemática com a proficiência obtida por seus alunos. São apresentados os passos deste processo no contexto desta aplicação, explicitando, principalmente, a Mineração de Dados (Data Mining). Por fim são tecidos comentários sobre os padrões descobertos.ABSTRACT: Anísio Teixeira National Institute for Education Research and Studies (INEP) provides databases from the evaluations of various levels and modalities of education. The Elementary Education Assessment System, called SAEB, provides mechanisms for evaluation of elementary education. One of these mechanisms is Prova Brasil, which includes the application of tests and questionnaires to students, teachers and school principals. Due to the large data volume involved, information extraction and its analysis is not a simple task. The general process of converting raw data into useful information is called Knowledge Discovery in Databases (KDD). It is applied here in order to identify factors that relate profiles and their influence - positively and negatively - on students' Mathematics learning. KDD steps are presented, with focus on the Data Mining stage. Some discovered patterns are analysed and discussed in this paper's conclusion.