Por favor, use este identificador para citar o enlazar este ítem: https://repositorio.ufpa.br/jspui/handle/2011/16559
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.creatorGOMES, Vitor Hugo Macedo-
dc.date.accessioned2024-10-25T15:46:43Z-
dc.date.available2024-10-25T15:46:43Z-
dc.date.issued2022-02-11-
dc.identifier.citationGOMES, Vitor Hugo Macedo. Análise dos fatores relacionados ao desempenho das escolas no IDEB: estudo de caso no Estado do Pará. Orientador: Marcelino Silva da Silva. 2022. 74 f .2022. 74 f. Dissertação (Mestrado em Engenharia Elétrica) - Instituto de Tecnologia, Universidade Federal do Pará, Belém, 2022. Disponível em:https://repositorio.ufpa.br/jspui/handle/2011/16559 . Acesso em:.pt_BR
dc.identifier.urihttps://repositorio.ufpa.br/jspui/handle/2011/16559-
dc.description.abstractThe complexity of identifying all the factors that are related to the performance of schools on the Basic Education Development Index (IDEB) is enormous. In this study, three databases were analyzed with the objective of identifying several factors that correlate with low performance in state schools in the state of Pará. Initially, it was observed through the analysis that 142 municipalities in the state were at risk of not meeting the goal regarding the reduction of school dropouts and, consequently, affecting the performance of schools. This study used educational data mining techniques to, first, select variables with structural characteristics in the teaching environment, comparing the schools with higher and lower performance in IDEB, identifying possible relationships with school dropouts. Then, the Randon Florest (RF) algorithm was used to select the most important variables that directly or indirectly impact the IDEB index. After the selection phase, the variables were submitted to the Linear Regression (LR) algorithm. The results reveal that in the group of schools below average in IDEB, 60.6% reside in families with incomes up to one minimum wage, while 37.5% have incomes above one minimum wage. In the group of schools above average in IDEB, 42.4% live in families with incomes up to one minimum wage, while 51.6% live in families with incomes above one minimum wage. Evidencing that family income is related to better IDEB scores and, consequently, better infrastructure conditions. The results also indicate that the income of students’ families is related to the average family income in the analyzed municipalities. Next, variables related to parents’ income were used to identify a possible relationship between parents’ schooling and students’ performance. Finally, the analysis ends with the analysis of the impact of the Municipal Human Development Index (HDI) on the variables related to the students’ grades, the teachers’ qualifications, and the teachers’ experience in the school environment. The results reveal that there is a correlation between the index and student learning in the classroom. On the other hand, better IDEB scores are directly related to the adequacy of the curriculum to the subject taught, in addition to good working conditions for teachers.pt_BR
dc.description.provenanceSubmitted by Luciclea Silva (luci@ufpa.br) on 2024-10-25T15:46:07Z No. of bitstreams: 2 Dissertacao_AnaliseFatoresRelacionados.pdf: 7803777 bytes, checksum: 3ef54e1d68c49936f4ec71bcb52f382c (MD5) license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5)en
dc.description.provenanceApproved for entry into archive by Luciclea Silva (luci@ufpa.br) on 2024-10-25T15:46:43Z (GMT) No. of bitstreams: 2 Dissertacao_AnaliseFatoresRelacionados.pdf: 7803777 bytes, checksum: 3ef54e1d68c49936f4ec71bcb52f382c (MD5) license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5)en
dc.description.provenanceMade available in DSpace on 2024-10-25T15:46:43Z (GMT). No. of bitstreams: 2 Dissertacao_AnaliseFatoresRelacionados.pdf: 7803777 bytes, checksum: 3ef54e1d68c49936f4ec71bcb52f382c (MD5) license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) Previous issue date: 2022-02-11en
dc.description.sponsorshipCAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superiorpt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal do Parápt_BR
dc.rightsAcesso Abertopt_BR
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 Brazil*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/br/*
dc.source1 CD-ROMpt_BR
dc.source.uriDisponível na internet via correio eletrônico: bibliotecaitec@ufpa.brpt_BR
dc.subjectIDEBpt_BR
dc.subjectSAEBpt_BR
dc.subjectCenso escolarpt_BR
dc.subjectMineração de dadospt_BR
dc.subjectRegressão linearpt_BR
dc.subjectData miningpt_BR
dc.subjectLinear regressionpt_BR
dc.subjectSchool censuspt_BR
dc.titleAnálise dos fatores relacionados ao desempenho das escolas no IDEB: estudo de caso no Estado do Parápt_BR
dc.typeDissertaçãopt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentInstituto de Tecnologiapt_BR
dc.publisher.initialsUFPApt_BR
dc.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA ELETRICApt_BR
dc.contributor.advisor1SILVA, Marcelino Silva da-
dc.creator.Latteshttp://lattes.cnpq.br/3621131132892879pt_BR
dc.description.resumoA complexidade em identificar todos os fatores que estão relacionados ao desempenho das escolas no Índice de Desenvolvimento da Educação Básica (IDEB) é enorme. Neste estudo foram analisados três bases de dados com o objetivo de identificar diversos fatores em que há correlação com o baixo desempenho nas escolas estaduais no estado do Pará. Inicialmente observou-se por meio das análises que142 municípios do estado estavam com risco de descumprimento da meta no que se refere a diminuição da evasão escolar e, consequentemente, afetando o desempenho das escolas. Este estudo utilizou técnicas de mineração de dados educacionais para primeiramente selecionar variáveis com características estruturais no ambiente de ensino, comparando as escolas com maior e menor desempenho no IDEB identificando possíveis relações com a evasão escolar. Em seguida, foi utilizado o algoritmo Randon Florest (RF), para selecionar as variáveis mais importantes e que impactam de forma direta ou indireta no índice do IDEB. Após a fase de seleção, as variáveis foram submetidas ao algoritmo de Regressão Linear (RL). Os resultados revelam que no grupo de escolas abaixo da média no IDEB, 60,6% residem em famílias com rendimentos até um salário-mínimo, enquanto que 37,5% possuem rendimentos acima de um salário-mínimo. No grupo de escolas acima da média no IDEB, 42,4% residem em famílias com rendimentos até um salário-mínimo, enquanto que 51,6% residem em famílias com rendimentos acima de um salário-mínimo. Evidenciando que a renda das famílias está relacionada à melhores notas no IDEB e, consequentemente, melhores condições de infraestrutura. Os resultados também apontam que os rendimentos das famílias dos estudantes estão relacionados a renda média das famílias nos municípios analisados. Em seguida foram utilizadas variáveis relacionadas ao rendimento dos pais para identificar possível relação entre a escolaridade dos pais e desempenho dos alunos. Por fim, as análises se encerram com a análise do impacto do Índice de Desenvolvimento Humano Municipal (IDHM) nas variáveis que relacionadas à nota dos alunos, qualificação dos professores e experiencia vivenciada pelos professores no ambiente escolar. Os resultados revelam que há correlação entre o índice e o aprendizado dos estudantes em sala de aula. Por outro lado, melhores notas no IDEB, estão diretamente relacionadas a adequação do currículo à disciplina ministrada, além de boas condições de trabalho para os professores.pt_BR
dc.publisher.programPrograma de Pós-Graduação em Engenharia Elétricapt_BR
dc.subject.linhadepesquisaINTELIGÊNCIA COMPUTACIONALpt_BR
dc.subject.areadeconcentracaoCOMPUTAÇÃO APLICADApt_BR
Aparece en las colecciones: Dissertações em Engenharia Elétrica (Mestrado) - PPGEE/ITEC

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
Dissertacao_AnaliseFatoresRelacionados.pdf7,62 MBAdobe PDFVisualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons