Uma metodologia para a descoberta de conhecimento em bases de dados da Prova Brasil<br>A methodology for knowledge discovering in Prova Brasil databases

Autores

  • Stella Oggioni da Fonseca Universidade do Estado do Rio de Janeiro
  • Adriana da Rocha Silva Universidade do Estado do Rio de Janeiro
  • Anderson Amendoeira Namen Universidade do Estado do Rio de Janeiro e Universidade Veiga de Almeida

DOI:

https://doi.org/10.23925/1983-3156.2018v20i2p257-282

Palavras-chave:

Prova Brasil, Redução de Dimensionalidade, Mineração de Dados

Resumo

A Prova Brasil é uma avaliação que, por intermédio da aplicação de testes e questionários, coleta informações sobre o ensino fundamental. O presente trabalho objetiva apresentar uma metodologia capaz de identificar aspectos, relacionados ao ambiente educacional, que possam ter influenciado positiva ou negativamente no resultado obtido pelos alunos nos testes de Matemática, aplicados em 2013. A abordagem proposta consiste, essencialmente, de um processo de redução de dimensionalidade com posterior aplicação de mineração de dados visando à descoberta de conhecimento nas bases. A partir das conclusões obtidas é possível fomentar a discussão que busquem o alcance de melhorias no processo de ensino-aprendizagem, bem como estimular pesquisas acerca dos dados disponibilizados pelo Governo Federal.


Prova Brasil is an evaluation that, through the application of tests and questionnaires, collects information about elementary education. The present work aims to present a methodology for the extraction of aspects related to the educational environment that may have influenced positively or negatively students’ results in the Mathematics tests applied in 2013. The proposed approach consists of a dimensionality reduction process followed by data mining, aiming to get knowledge discovery in databases. Based on the conclusions obtained, discussions about actions for improvements in the teaching-learning process can be made, as well the fostering of researches on the data provided by the Federal Government.


Metrics

Carregando Métricas ...

Biografia do Autor

Stella Oggioni da Fonseca, Universidade do Estado do Rio de Janeiro

Doutora em Modelagem Computacional - Programa de Pós-Graduação em Modelagem Computacional do Instituto Politécnico da Universidade do Estado do Rio de Janeiro - e-mail: stella.oggioni@gmail.com

Adriana da Rocha Silva, Universidade do Estado do Rio de Janeiro

Mestranda em Modelagem Computacional - Programa de Pós-Graduação em Modelagem Computacional do Instituto Politécnico da Universidade do Estado do Rio de Janeiro - Professora do Centro de Educação a Distância do Estado do Rio de Janeiro (Cecierj) - e-mail: arsilva@iprj.uerj.br

Anderson Amendoeira Namen, Universidade do Estado do Rio de Janeiro e Universidade Veiga de Almeida

Doutor em Engenharia de Sistemas e Computação pela COPPE/UFRJ - Professor do Programa de Pós-Graduação em Modelagem Computacional do Instituto Politécnico da Universidade do Estado do Rio de Janeiro e da Universidade Veiga de Almeida - e-mail: anamen@uva.br.

Referências

ANDRADE, J. M. d.; LAROS, J. A. Fatores associados ao desempenho escolar: estudo multinível com dados do Saeb/2001. Psicologia: Teoria e Pesquisa, Brasília, v. 23, n. 1,

p. 33-42, 03 2007.

AZEVEDO, J. M. L. O Estado, a política e a regulação do setor educacional no Brasil: uma abordagem histórica. In: FERREIRA, N. S. C. e AGUIAR, M. A. S. Gestão da educação: impasses, perspectivas e compromissos. 2. ed. São Paulo: Cortez, p. 17-42, 2001.

BAKER, R. S. J. d.; ISOTANI, S.; CARVALHO, A. M. J. B. d. Mineração de dados educacionais: oportunidades para o brasil. Revista Brasileira de Informática na Educação, v. 19, n. 2, p. 3-13, ago. 2011.

BRASIL. Instituto Nacional de Estudos e Pesquisas Educacionais. SAEB 2001: novas perspectivas. Brasília: Inep, 2001.

CAO, L. Domain-driven data mining: challenges and prospects. IEEE Transactions on Knowledge and Data Engineering, v. 22, n. 6, p. 755-769, 2010.

CARVALHO, C. P. de; WALHELM, A. P. S.; ALVES, F.; KOSLINSKI, M. Gestão e desempenho escolar: um estudo nas redes municipais da Região Metropolitana do Rio de Janeiro a partir dos resultados da Prova Brasil 2009. In: CONGRESSO IBERO AMERICANO DE POLÍTICA E ADMINISTRAÇÃO DA EDUCAÇÃO. 3., 2012, Zaragoza. Cadernos ANPAE. Timbaúba: Biblioteca ANPAE - Cadernos ANPAE, 2012.

CLARK, A. C.; WATSON, D. Constructing validity: basic issues in objective scale development. Psychological Assessment, n. 7, p. 309-319, 1995.

COELHO, M. I. A. d. M. Vinte anos de avaliação da educação básica no Brasil: aprendizagens e desafios. Ensaio: Avaliação e Políticas Públicas em Educação, v. 16, n. 59, p. 229-258, jun. 2008.

FAYYAD, U. M.; PIATETSKY-SHAPIRO, G.; SMYTH, P. From data mining to knowledge discovery in databases. AI Magazine, American Association for Artificial Intelligence, California, USA, v. 17, n. 3, p. 37-54, 1996.

FIELD, A. Descobrindo a Estatística usando o SPSS. 2. ed. Porto Alegre: Artmed, 2009.

FONSECA, S. O.; NAMEN, A. A. Mineração em bases de dados do Inep: uma análise exploratória para nortear melhorias no sistema educacional brasileiro. Educ. rev., Belo Horizonte, v. 32, n. 1, p. 133-157, Mar. 2016.

FONSECA, S. O. Uma metodologia de mineração de dados orientada pelo domínio para a descoberta de conhecimento sobre o processo de aprendizagem no ensino básico. Tese (Doutorado em Modelagem Computacional) - Instituto Politécnico, UERJ, 2018.

FRANCO, C.; FERNANDES, C.; SOARES, J. F.; BELTRÃO, K.; BARBOSA, M. E.; ALVES, M. T. G. O referencial teórico na construção dos questionários contextuais do Saeb 2001. Estudos em Avaliação Educacional, n. 28, p. 39-74, 2003.

FRANCO, C.; SZTAJN, P.; ORTIGÃO, M. I. R. Mathematics teachers, reform and equity: results from the brazilian national assessment. Journal for Research in Mathematics Education, v. 38, n. 4, p. 393-419, 2007.

FREITAS, D. N. T. A avaliação da educação básica no Brasil: dimensão normativa, pedagógica e educativa. Campinas: Autores Associados, 2007.

FUNDACÃO LEMANN E MERITT. QEdu: aprendizado em foco. 2015. Sítio na internet. Disponível em: <http://qedu.org.br/>. Acesso em: 20 Jun. 2016.

GUZZO, R. S. L.; EUZEBIOS FILHO, A. Desigualdade social e sistema educacional brasileiro: a urgência da educação emancipadora. Escritos educ., Ibirité, v. 4, n. 2, p. 39-48, dez. 2005.

HAIR, J. F.; ANDERSON, R. E.; TATHAM, R. L.; BLACK, W. C. Análise multivariada de dados. 5. ed. Porto Alegre: Bookman, 2005.

HALL, M.; FRANK, E.; HOLMES, G.; PFAHRINGER, B.; REUTEMANN, P.; WITTEN, I. H. The WEKA Data Mining Software: An Update; SIGKDD Explorations, New York, USA, v. 11, n. 1, p. 10-18, jun. 2009.

HAN, J.; KAMBER, M.; PEI, J. Data Mining: concepts and techniques. 3. ed. Waltham, USA: Morgan Kaufmann Publishers, 2012.

INEP. Microdados da Aneb e da Anresc 2013. Brasília: Inep, 2015. Acesso em: 2015-05-30. Disponível em: <http://portal.inep.gov.br/basicalevantamentos-acessar>.

JESUS, G. R.; LAROS, J. A. Eficácia escolar: regressão multinível com dados de avaliação em larga escala. Avaliação Psicológica, v. 3, n. 2, p. 93-106, 2004.

KARINO, C. A.; VINHA, L. G. A.; LAROS, J. A. Os questionários do SAEB: o que eles realmente medem? Estudos em Avaliação Educacional, São Paulo, v. 25, n. 59, p. 270-297, set./dez. 2014.

KLINE, P. The handbook of psychological testing. London: Routledge, 1999.

ORTIGÃO, M. I. R.; FRANCO, C.; CARVALHO, J. B. P. A distribuição social do currículo de matemática: quem tem acesso a tratamento da informação? Educação Matemática Pesquisa, São Paulo, v. 9, n. 2, p. 249-273, 2007.

ORTIGÃO, M. I. R.; AGUIAR, G. S. Repetência escolar nos anos iniciais do ensino fundamental: evidências a partir dos dados da prova Brasil 2009. Rev. bras. Estud. pedagog., Brasília, v. 94, n. 237, p. 364-389, 2013.

PEREIRA, M. J.; MORI, N. N. R. Diretrizes curriculares e o desempenho de alunos paranaenses da 8ª série do ensino fundamental na Prova Brasil. RBPG, Brasília, supl. 1, v. 8, p. 121 - 143, dezembro 2011.

POSTGRESQL. Documentação do PostgreSQL 8.0.0. Rio de Janeiro, Brasil, 2007. 1310 p.

RODRIGUES, C. G.; GUIMARÃES, R. R. de M.; RIOS-NETO, E. L. G. O papel das origens sociais sobre a proficiência escolar e a probabilidade de progressão por série no Brasil: evidência de persistência. RBPG, Brasília, supl. 1, v. 8, p. 87-116, dezembro 2011.

SANTOS, J. B. P; TOLENTINO-NETO, L. C. B. O que os dados do SAEB nos dizem sobre o desempenho dos estudantes em Matemática? Educ. Matem. Pesq., São Paulo, v.17, n.2, p.309-333, 2015.

SOARES, J. F. Qualidade e equidade na Educação Básica brasileira: a evidência do Saeb- 2001. Arquivos Analíticos de Políticas Educativas, Tempe, USA, v. 12, n. 38, 2004.

WITTEN, I. H.; FRANK, E.; HALL, M. A. Data Mining: practical machine learning tools and techniques. 3. ed. San Francisco, CA, USA: Morgan Kaufmann Publishers Inc., 2011.

Downloads

Publicado

2018-10-03

Como Citar

FONSECA, S. O. da; SILVA, A. da R.; NAMEN, A. A. Uma metodologia para a descoberta de conhecimento em bases de dados da Prova Brasil&lt;br&gt;A methodology for knowledge discovering in Prova Brasil databases. Educação Matemática Pesquisa Revista do Programa de Estudos Pós-Graduados em Educação Matemática, São Paulo, v. 20, n. 2, 2018. DOI: 10.23925/1983-3156.2018v20i2p257-282. Disponível em: https://revistas.pucsp.br/index.php/emp/article/view/36588. Acesso em: 22 dez. 2024.

Edição

Seção

Artigos