SAEB Classificador
Educação pública · Ciência de dados · Paraíba
É possível antecipar sinais de desempenho antes da prova?
Respostas sobre estudo, leitura e trajetória escolar podem carregar sinais relevantes antes da avaliação. Este projeto investiga essa hipótese em dados do SAEB — como evidência para atenção pedagógica, não para decisões automáticas sobre estudantes.
Escopo do projeto
2007–2017 6 ciclos bienais · Paraíba
1.173 exemplos na etapa final registrada
3 famílias de classificadores
- questionários
- tratamento
- classificação
01 · Pergunta de pesquisa
O desempenho começa antes da prova.
Hábitos de leitura e estudo, histórico de reprovação e outras respostas contextuais podem revelar dificuldades com antecedência. O projeto transforma essa hipótese em um estudo empírico: organiza dados públicos, define um alvo, compara modelos e discute generalização.
A proposta original evita tomar renda como eixo central. Ainda assim, a base final inclui variáveis como escolaridade e alfabetização dos responsáveis. Aqui, elas indicam associações no recorte estudado — não causas do desempenho.
02 · A fonte dos sinais
O SAEB conecta aprendizagem e experiência escolar.
O Sistema de Avaliação da Educação Básica combina testes e questionários contextuais para produzir um diagnóstico periódico da educação brasileira. Seus resultados também participam da composição do Ideb.
Neste estudo, o recorte da Paraíba reúne duas peças que precisam ser lidas em conjunto:
01
Medida de proficiência
O resultado usado para estruturar o alvo da classificação.
02
Experiência escolar
Respostas sobre rotina de estudo, leitura e trajetória dos estudantes.
Por que o SAEB importa neste projeto →
Leitura responsável
Este é um estudo acadêmico, não um sistema em produção. As métricas vêm da execução preservada nos notebooks e mostram associação preditiva, não causalidade. A árvore regularizada registrou 90% de acurácia, mas a classe minoritária teve desempenho inferior — o valor agregado não conta toda a história.
03 · Percurso analítico
Da base bruta à comparação dos modelos.
A narrativa pública acompanha a ordem real da análise. Cada etapa abre os notebooks preservados, com código, gráficos e resultados.
01–03
Construir a base
Integrar ciclos, codificar respostas e selecionar atributos.
04–05
Entender o alvo
Explorar classes, PCA, interposição e balanceamento.
06
Comparar os modelos
Avaliar rede neural, árvore de decisão e SVM no relatório final.
04 · Proveniência
Um projeto acadêmico da UFPB.
Desenvolvido por Erlon Lacerda e Maria Bandeira para a disciplina Aprendizagem de Máquina, no Centro de Informática da Universidade Federal da Paraíba, semestre 2024.1.