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

Silva, Vinicius Alberto Alves da; Moreno, Lorenza Leão Oliveira; Gonçalves, Luciana Brugiolo; Soares, Stênio Sã Rosário Furtado; Júnior, Robson Rocha Souza

doi:10.5753/cbie.sbie.2020.72

Cited by 3 publications

(1 citation statement)

References 8 publications

(9 reference statements)

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…No entanto, como nosso objetivo é identificar a relação entre os atributos sócio-econômicos e o rendimento dos estudantes, exploramos mais técnicas de visualização de dados, para além do que foi realizado por Franco et al [2020]. Já Silva et al [2020] utilizou técnicas de mineração de dados com os algoritmos de Clusterização e de Regras de Associação, visando identificar o desempenho dos concluintes do ensino médio que realizaram o ENEM de 2019 no Estado de Minas Gerais, a partir das correlações das variáveis relacionadas a aspectos socioeconômicos. O trabalho evidencia a semelhança no desempenho médio de estudantes oriundos de escolas da rede federal em relação aos da rede privada.…”

Section: Trabalhos Relacionadosunclassified

Uma Análise Experimental Usando Mineração de Dados Educacionais sobre os Dados do ENEM para Identificação de Causas do Desempenho dos Estudantes

Banni¹,

Oliveira²,

Bernardini³

2021

Anais Do II Workshop Sobre as Implicações Da Computação Na Sociedade (WICS 2021)

View full text Add to dashboard Cite

O Exame Nacional do Ensino Médio (ENEM) é uma das maneiras utilizadas para mensurar o nível de conhecimento dos estudantes no fim da educação básica. Este artigo apresenta uma análise experimental baseada em Mineração de Dados Educacionais, incluindo o uso de técnicas de visualização de dados e construção de modelos preditivos para identificar os atributos mais relacionados ao desempenho dos estudantes. Foram usados dados do ENEM de 2018 de todo o Brasil, com um total de mais de 5 milhões de registros. Nossos resultados mostraram que os atributos sócio-econômicos de fato apresentam uma relação significativa com o resultado dos estudantes no ENEM.

show abstract

Section: Trabalhos Relacionadosunclassified

Uma Análise Experimental Usando Mineração de Dados Educacionais sobre os Dados do ENEM para Identificação de Causas do Desempenho dos Estudantes

Banni¹,

Oliveira²,

Bernardini³

2021

Anais Do II Workshop Sobre as Implicações Da Computação Na Sociedade (WICS 2021)

View full text Add to dashboard Cite

show abstract

Percepciones Y Actitudes Ambientales en La Educación Popular: Un Análisis Apoyado en El Uso De Mapas Mentales

2023

View full text Add to dashboard Cite

En un contexto de educación popular, en el ámbito de un curso preuniversitario que busca derechos y reducción de las desigualdades en el acceso a la educación superior, la contradicción entre los contenidos didácticos exigidos por el Exame Nacional do Ensino Médio (ENEM) y formar ciudadanos con una percepción crítica de la realidad es un gran desafío. Por tanto, este trabajo investiga las percepciones de estudiantes de un curso popular en el Estado de Minas Gerais, Brasil, sobre un tema que permea la ciudadanía y la vista crítica de la totalidad: injusticias ambientales. La investigación incluyó el desarrollo de mapas mentales por parte de algunos de los estudiantes investigados. Apoyado en el marco teórico de la Educación Ambiental Emancipadora, se realizó el análisis de los mapas mentales utilizando la metodología propuesta por Salete Kozel. Los resultados indican que estudiantes consideran los bienes naturales como sujetos con derecho a la emancipación de daños causados por acciones humanas. Sin embargo, no representan a las poblaciones que sufren injusticias ambientales. El estudio de percepciones, por medio de mapas mentales, mostró que la cosmovisión de los estudiantes, producto de su contexto cultural, aún está lejos de comprender todo el concepto de 'injusticias ambientales'.

show abstract

Analysis of the Impact of the Pandemic on Social Inequalities in Enem 2019 and 2020 using Machine Learning

Macedo,

Saporetti

2023

Semin., Exact Tech. Scienc.

View full text Add to dashboard Cite

ENEM measures the ability and knowledge of students who are in high school or have already completed it. With the scores obtained in the exam, the student can enroll in SISU, which is one way to enter public universities. During pandemic, the planning of schools, mainly public, was affected so that many students gave up taking the ENEM in 2020. To identify the profile of those enrolled in ENEM and verify which portion was most affected, this research analyze their social inequalities using data from ENEM 2019 and 2020 and machine learning methods. The methodology is based on cluster analysis where K-Means was applied and on performance classification where Random Forest, K-Nearest Neighbors, and MultiLayer Perceptron were used, and Select K-Best was used to select features. The results of the grouping generated two groups, one composed of subscribers with lower financial conditions and another with greater ones. In the classification, the MultiLayer Perceptron obtained an accuracy of 85.18% for 2019 and 83.63% for 2020. The results showed that the proposed methodology was able to identify the differences between the subscribers and classify their performance.

show abstract

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

Cited by 3 publications

References 8 publications

Uma Análise Experimental Usando Mineração de Dados Educacionais sobre os Dados do ENEM para Identificação de Causas do Desempenho dos Estudantes

Uma Análise Experimental Usando Mineração de Dados Educacionais sobre os Dados do ENEM para Identificação de Causas do Desempenho dos Estudantes

Percepciones Y Actitudes Ambientales en La Educación Popular: Un Análisis Apoyado en El Uso De Mapas Mentales

Analysis of the Impact of the Pandemic on Social Inequalities in Enem 2019 and 2020 using Machine Learning

Contact Info

Product

Resources

About