DESEMPENHO DAS ESCOLAS PÚBLICAS E PRIVADAS DA REGIÃO DO VALE DO PARAÍBA: UMA APLICAÇÃO DA TÉCNICA DE AGRUPAMENTOS KMEANS COM BASE NAS VARIÁVEIS DO ENEM 2015
DOI:
https://doi.org/10.12957/cadest.2017.30347Resumo
DOI: 10.12957/cadest.2017.30347
Este artigo avalia o desempenho dos alunos de escolas públicas e privadas da região sul fluminense no Exame Nacional do Ensino Médio (Enem) de 2015 por meio da técnica não hierárquica de agrupamentos kmeans. As escolas são classificadas de acordo com o desempenho dos alunos em função das variáveis indicadoras de proficiência média em ciências da natureza e suas tecnologias, ciências humanas e suas tecnologias, linguagens, códigos e suas tecnologias, matemática e suas tecnologias, redação, formação docente, taxas de rendimento escolar de aprovação e participação percentual de alunos no Enem, todas divulgadas pelo Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira (INEP). Os resultados indicam a prevalência de dois grupos que são aqui caracterizados em função do porte da escola, município, dependência administrativa e indicador socioeconômico.
Palavras-chave: Kmeans, Análise de Agrupamento, Enem.
Downloads
Referências
ANDRADE, E. D. C. Rankings em Educação: Tipos, Problemas, Informações e mudanças - Análise dos Principais Rankings Oficiais Brasileiros. Estudos Econômicos (São Paulo), 2011. v. 41, n. 2, p. 323–343.
BILLOR, N.; HADI, A. S.; VELLEMAN, P. F. BACON: blocked adaptive computationally efficient outlier nominators. Computational Statistics & Data Analysis, set. 2000. v. 34, n. 3, p. 279–298. Disponível em: <http://linkinghub.elsevier.com/retrieve/pii/S0167947399001012>.
BROCK, G. et al. clValid: An R Package for Cluster Validation. Journal of Statistical Software, 2008. v. 25, n. 4, p. 1–22. Disponível em: <http://www.jstatsoft.org/v25/i04>.
CASTRO, M. H. G. DE. Sistemas de avaliação da educação no brasil. São Paulo Perspec., 2009. v. 23, n. 1, p. 5–18.
CHARRAD, M. et al. NbClust: An R Package for Determining the Relevant Number of Clusters in a Data Set. Journal of Statistical Software, 2014. v. 61, n. 6. Disponível em: <http://www.jstatsoft.org/v61/i06/>.
FÁVERO, L. P. et al. MODELAGEM MULTIVARIADA PARA TOMADA DE DECISÕES. Rio de Janeiro - RJ: Elsevier, 2009.
GOMES, C. M. A.; BORGES, O. O ENEM é uma Avaliação Educacional Construtivista? Um Estudo de Validade de Construto. Estudos em Avaliação Educacional, 2009. v. 42, p. 73–88.
HAIR, J. F. et al. Análise multivariada de dados. 6. ed. Porto Alegre: Bookman, 2009.
IBGE. BRASIL. [S.l.], 2017. Disponível em: <http://cidades.ibge.gov.br/xtras/uf.php?lang=&coduf=33&search=rio-de-janeiro>. Acesso em: 28 maio 2017.
INEP. NOTA EXPLICATIVA ENEM 2015 POR ESCOLA. [S.l.], 2015. Disponível em: <http://download.inep.gov.br/educacao_basica/enem/nota_tecnica/2015/nota_explicativa_enem2015_por_escola.pdf>. Acesso em: 28 maio 2017.
LEWIS, N. D. MACHINE LEARNING MADE EASY With R: An Intuitive Step by Step Blueprint for Beginners. 1. ed. -: Paperback, 2017.
R CORE TEAM. R: A Language and Environment for Statistical Computing. Disponível em: <https://www.r-project.org/>.
TIBSHIRANI, R.; WALTHER, G.; HASTIE, T. Estimating the number of clusters in a data set via the gap statistic. Journal of the Royal Statistical Society: Series B (Statistical Methodology). Disponível em: <http://doi.wiley.com/10.1111/1467-9868.00293>.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Declaramos que, em caso de aceitação do artigo, os autores permanecem com os direitos autorais do artigo, concedendo a revista Cadernos do IME – Série Estatística os direitos de primeira publicação e outros direitos de publicação não exclusivos referentes ao mesmo.