Author
Listed:
- de Oliveira, Guilherme Matheus Soares Celebrini
Abstract
É factual que é de interesse do Brasil impulsionar a aprendizagem nas escolas, tendo em vista os inúmeros benefícios socioeconômicos que seriam alcançados por meio de tal realização. Uma das formas de atingir este objetivo é identificar quais aspectos do sistema de ensino municipal mais impactam no desempenho dos discentes, para assim buscar melhorá-los. Desta maneira, este estudo visa coletar, juntamente à Secretaria Municipal de Educação e Cultura da cidade de Varre-Sai, Rio de Janeiro, os resultados de provas de conhecimentos de Língua Portuguesa e Matemática, aplicadas anualmente para alunos do primeiro ao quinto ano do Ensino Fundamental da rede de escolas do município. Além disso, visa reunir informações sobre os professores e educandários, armazenando-os em tabelas. Foram utilizados algoritmos de random forest para classificação e regressão, a fim de que fossem encontradas correlações que permitissem mensurar o impacto de atributos docentes e escolares no desempenho dos estudantes. Entre os resultados significativos deste trabalho, pode-se destacar que, por meio do uso das técnicas de aprendizado de máquina, foi possível encontrar paralelismo entre os dados. Contudo, foram percebidas lacunas nos métodos de armazenagem de informações por parte do serviço público, assim como foi cabível propor sugestões para a melhora deste setor, uma vez que previsões e análise do efeito de variáveis só tornarão de fato úteis mediante um acervo robusto e organizado de dados. Deste modo, será possível identificar quais as propriedades educacionais e sociais devem ser alvo de políticas públicas, tanto por parte da Secretaria de Educação quanto da Prefeitura Municipal, para assim alcançar a melhoria do sistema de ensino e da qualidade de vida da população em geral.
Suggested Citation
de Oliveira, Guilherme Matheus Soares Celebrini, 2025.
"Uso de random forest para analisar o impacto de atributos docentes e escolares no desempenho dos estudantes,"
OSF Preprints
x57sv_v1, Center for Open Science.
Handle:
RePEc:osf:osfxxx:x57sv_v1
DOI: 10.31219/osf.io/x57sv_v1
Download full text from publisher
Corrections
All material on this site has been provided by the respective publishers and authors. You can help correct errors and omissions. When requesting a correction, please mention this item's handle: RePEc:osf:osfxxx:x57sv_v1. See general information about how to correct material in RePEc.
If you have authored this item and are not yet registered with RePEc, we encourage you to do it here. This allows to link your profile to this item. It also allows you to accept potential citations to this item that we are uncertain about.
We have no bibliographic references for this item. You can help adding them by using this form .
If you know of missing items citing this one, you can help us creating those links by adding the relevant references in the same way as above, for each refering item. If you are a registered author of this item, you may also want to check the "citations" tab in your RePEc Author Service profile, as there may be some citations waiting for confirmation.
For technical questions regarding this item, or to correct its authors, title, abstract, bibliographic or download information, contact: OSF (email available below). General contact details of provider: https://osf.io/preprints/ .
Please note that corrections may take a couple of weeks to filter through
the various RePEc services.