English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

This paper presents the use of Data Mining DM techniques on data from high school graduates who performed the National High School Exam ENEM in 2019 with a focus on identifying social inequalities from the analysis of performance in the exam. The use of Clustering and Association Rules algorithms allowed us to map the determining variables in the students’ performance as well as to characterize two distinct groups based on the results obtained in the five evaluations that compose the exam. Resumo. O presente trabalho apresenta o uso de técnicas de Mineração de Dados com foco na identificação de desigualdades sociais a partir da análise do desempenho dos estudantes concluintes do ensino médio que prestaram o Exame Nacional do Ensino Médio ENEM no ano 2019. O uso de algoritmos de Clusterização e de Regras de Associação permitiu mapear as variáveis determinantes no desempenho dos estudantes bem como caracterizar dois grupos bem definidos a partir dos resultados obtidos nas cinco avaliações do exame. 1. Introdução O Exame Nacional do Ensino Médio (ENEM) significa, para milhares de alunos, uma oportunidade de acesso à educação superior gratuita e de qualidade que é ofertada por instituições públicas de educação superior através do Sistema de Seleção Unificada (SISU) e por meio da concessão de bolsas de estudo através do Programa Universidade para Todos (ProUni). Além disso, os seus resultados permitem o desenvolvimento de estudos e indicadores sobre a educação brasileira [INEP 2020]. Por isso, embora o ENEM não seja um exame de avaliação da qualidade da educação no país, a análise dos dados socioeconômicos dos candidatos permite identificar distorções sociais que podem nortear políticas públicas de ampliação de acesso ao ensino superior. Ao inscreverem-se no exame, os participantes respondem a um questionário socioeconômico. O escopo deste trabalho foi definido de forma a identificar desigualdades sociais refletidas nos dados do ENEM 2019, considerando as respostas do questionário e o desempenho dos estudantes concluintes do Ensino Médio em escolas de Minas Gerais. IX Congresso Brasileiro de Informática na Educação (CBIE 2020) Anais do XXXI Simpósio Brasileiro de Informática na Educação (SBIE 2020) 72 DOI: 10.5753/cbie.sbie.2020.72 A base de microdados do ENEM 2019 utilizada neste trabalho está disponível em [INEP 2020], tendo sido obtida no repositório online, extraída e preparada para análise. No processo de extração de conhecimento a partir dessa base de dados, utilizou-se duas técnicas de Mineração de Dados: (1) clusterização, onde aplicou-se o algoritmo k-means para diferentes valores de k tomando-se apenas os dados referentes às notas das provas dos estudantes; (2) mineração de Regras de Associação, onde aplicou-se algoritmo Apriori, que permite identificar elementos frequentes na base de dados e o nível de afinidade entre esses elementos. O objetivo deste trabalho foi caracterizar os grupos identificados no processo de clusterização e, a partir do conjunto de regras de associação extraídas da base de dados, identificar correlações entre variáveis relacionadas a aspectos socioeconômicos, o desempenho do estudante no exame e o grupo ao qual o estudante está inserido. Este trabalho está organizado da seguinte maneira: a Seção 2 destaca publicações interessantes sobre o tema de mineração de dados e desempenho educacional; a Seção 3 apresenta a metodologia e algoritmos utilizados nesta pesquisa e fundamenta métricas de avaliação que são usadas na seção de resultados. Os resultados alcançados são discutidos na Seção 4 e, por último, conclusão e trabalhos futuros na Seção 5. 2. Trabalhos Relacionados Dada a importância do ENEM na sociedade brasileira, diversos trabalhos sobre o tema foram escritos, sob diferentes perspectivas. Em [Lima et al. 2019] é apresentada uma revisão sistemática sobre análise de dados do ENEM e do Exame Nacional de Desempenho de Estudantes (ENADE) até 2016. O texto indica que os estudos feitos a partir dos dados desses exames têm escopos limitados, muitas vezes se restringindo apenas ao campo da estatística descritiva, ressaltando a importância de novas pesquisas abordando outras técnicas, como mineração de dados. Já [Alves et al. 2018], apresenta aplicações usando árvores de decisão e redes Bayesianas, para prever o desempenho dos alunos na prova de redação a partir de dados socioeconômicos. Em [Leoni and Sampaio 2017], a base do ENEM por Escola de 2015 é clusterizada em função do desempenho médio dos alunos e indicadores contextuais. Os resultados apontaram a formação de dois grupos, onde há padrões de desempenho equivalente entre escolas com indicadores similares. Na linha metodológica deste trabalho em [Silva et al. 2014], é descrita a aplicação de mineração de regras de associação utilizando-se o algoritmo apriori em uma implementação através da ferramenta RapidMiner 5.1. Foram usados os dados do desempenho na prova e algumas questões do questionário socioeconômico de estudantes das capitais do sudeste. Os resultados apontaram que a renda familiar, o nível de escolaridade e o número de moradores da casa são fatores importantes no desempenho dos estudantes. Por sua vez, [Gomes et al. 2017] discutem a utilização de algoritmos de Mineração de Dados na base do ENEM 2014 no âmbito da região Nordeste. Os autores concluíram que há uma relação entre a renda familiar e o desempenho dos estudantes, sobretudo para aqueles que cursaram o ensino básico em escolas públicas. 3. Técnicas de Mineração de Dados utilizadas A descoberta de conhecimento em bases de dados é chamada na literatura de Knowledge Discovery in Databases (KDD), geralmente constituído pelas fases de seleção de dados, IX Congresso Brasileiro de Informática na Educação (CBIE 2020) Anais do XXXI Simpósio Brasileiro de Informática na Educação (SBIE 2020)

Identificação de Desigualdades Sociais a partir do desempenho dos alunos do Ensino Médio no ENEM 2019 utilizando Mineração de Dados