Uso de random forest para analisar o impacto de atributos docentes e escolares no desempenho dos estudantes

Read the full article See related articles

Listed in

This article is not in any list yet, why not save it to one of your lists.
Log in to save this article

Abstract

É factual que é de interesse do Brasil impulsionar a aprendizagem nas escolas, tendo em vista os inúmeros benefícios socioeconômicos que seriam alcançados por meio de tal realização. Uma das formas de atingir este objetivo é identificar quais aspectos do sistema de ensino municipal mais impactam no desempenho dos discentes, para assim buscar melhorá-los. Desta maneira, este estudo visa coletar, juntamente à Secretaria Municipal de Educação e Cultura da cidade de Varre-Sai, Rio de Janeiro, os resultados de provas de conhecimentos de Língua Portuguesa e Matemática, aplicadas anualmente para alunos do primeiro ao quinto ano do Ensino Fundamental da rede de escolas do município. Além disso, visa reunir informações sobre os professores e educandários, armazenando-os em tabelas. Foram utilizados algoritmos de random forest para classificação e regressão, a fim de que fossem encontradas correlações que permitissem mensurar o impacto de atributos docentes e escolares no desempenho dos estudantes. Entre os resultados significativos deste trabalho, pode-se destacar que, por meio do uso das técnicas de aprendizado de máquina, foi possível encontrar paralelismo entre os dados. Contudo, foram percebidas lacunas nos métodos de armazenagem de informações por parte do serviço público, assim como foi cabível propor sugestões para a melhora deste setor, uma vez que previsões e análise do efeito de variáveis só tornarão de fato úteis mediante um acervo robusto e organizado de dados. Deste modo, será possível identificar quais as propriedades educacionais e sociais devem ser alvo de políticas públicas, tanto por parte da Secretaria de Educação quanto da Prefeitura Municipal, para assim alcançar a melhoria do sistema de ensino e da qualidade de vida da população em geral.

Article activity feed