Desigualdades educacionais no Enem: uma perspectiva baseada em variáveis socioeconômicas e aprendizagem de máquina

Resumo

O Exame Nacional do Ensino Médio representa um importante mecanismo de acesso ao ensino superior no Brasil. No âmbito desse estudo investigou-se a relação entre variáveis socioeconômicas e o desempenho dos estudantes no exame, utilizando técnicas de aprendizado de máquina para identificar padrões significativos. A pesquisa teve como objetivos desenvolver modelos preditivos baseados em random forest para classificar o desempenho dos estudantes; identificar as variáveis socioeconômicas mais relevantes e analisar seu impacto nos resultados, visando a subsidiar políticas educacionais mais equitativas. Foram adotados os microdados do Enem 2023, submetidos a uma etapa de pré-processamento que envolveu técnicas de one-hot encoding para tratamento de algumas variáveis e Smote para balanceamento. Foram construídos dez modelos de random forest, com o ajuste de hiperparâmetros via busca aleatória. O desempenho foi avaliado por métricas como acurácia, precisão, recall e F1-score, além da análise de importância das variáveis. Os modelos apresentaram desempenho satisfatório, com acurácias em torno de 94% e precisão de até 99%. A escolaridade e ocupação dos pais, junto com a renda familiar, emergiram como os principais preditores. Estudantes com pais mais escolarizados e em profissões estratégicas tiveram probabilidade três vezes maior de alto desempenho, enquanto aqueles de famílias de baixa renda apresentaram maior tendência a desempenho insatisfatório. Os resultados evidenciam a influência de fatores socioeconômicos no desempenho educacional, reforçando a necessidade de políticas públicas apropriadas. A eficácia dos modelos comprova sua utilidade para diagnósticos educacionais.