Em meu artigo anterior comentei sobre a criação de modelos descritivos/preditivos sobre as bases de dados de educação básica do INEP/MEC. Hoje falarei sobre alguns resultados interessantes obtidos por esses modelos, com foco no aprendizado de matemática dos estudantes do 9º do ensino fundamental no Estado do Rio de Janeiro. Vou me restringir aqui a algumas características relacionadas aos professores.
Uma interessante tendência observada pelos modelos computacionais se refere à expectativa que os professores depositavam em relação à formação futura de seus alunos, abordada em 2 perguntas presentes no questionário do professor. Observou-se que os professores que acreditavam que a maioria de seus alunos conseguiriam evoluir em sua educação, concluindo uma universidade ou pelo menos o ensino médio, obtinham resultados muito superiores de seus alunos nos testes de matemática. Isso independia de outros fatores. Ou seja, mesmo em escolas carentes, com más condições de infraestrutura, o fato de o professor crer no potencial de seus alunos, por si só, provocava efeitos positivos no processo ensino aprendizagem. Ao me debruçar sobre essa questão, cheguei ao conhecido “Efeito Pigmaleão”, muitas vezes abordado na área de gestão – “gestores que acreditam no potencial de suas equipes obtêm melhores resultados”. Esse efeito também acontece na educação e seu estudo foi iniciado na década de 1960 por psicólogos nos Estados Unidos, envolvendo a alfabetização de alunos. Resumindo o trabalho destes psicólogos, em sua pesquisa foram feitos testes de QI nos alunos que seriam alfabetizados. Nesses testes, observou-se níveis semelhantes de QI entre os alunos. No entanto, no início do processo de alfabetização, os professores receberam a informação (indevida) de que alguns dos alunos possuíam níveis de QI superiores. Surpreendentemente, esses alunos, ao final da alfabetização, obtiveram resultados superiores quando comparados ao restante da turma, exatamente devido ao “Efeito Pigmaleão”, ou seja, devido à crença dos docentes de que estes alunos possuíam maior potencial.
Outra importante questão observada foi o fato de que os professores que tinham conhecimento dos resultados obtidos no sistema de avaliação (SAEB), possuíam turmas com melhores resultados. Essa constatação indica a necessidade de discussão junto aos profissionais de ensino quanto aos resultados das avaliações em suas escolas. A partir do conhecimento das avaliações e seus respectivos diagnósticos, os professores são levados a repensar suas práticas de ensino, visando à melhoria do desempenho de seus alunos nas futuras avaliações.
Podemos notar que, apenas refletindo sobre essas duas tendências observadas, diversas ações já podem ser pensadas junto aos docentes. Por exemplo, a realização de trabalhos de capacitação e de motivação junto aos docentes, especialmente no que tange à compreensão de que, mesmo em situações de escassez de recursos, muito comum em escolas públicas, resultados positivos podem ser obtidos. Por outro lado, políticas públicas mais amplas também devem ser desenvolvidas pelo Estado. Isso pode ser comprovado por outras tendências apresentadas pelos modelos. Por exemplo, docentes com situação trabalhista estável e com uma carga horária semanal não muito elevada geram resultados muito mais positivos. Outros aspectos, que envolvem acompanhamento e controle, tanto por parte da direção da escola quanto das secretarias de educação, foram indicados como tendências que implicavam em maior aprendizagem. Observou-se que o desenvolvimento da totalidade ou quase totalidade dos conteúdos didáticos originalmente previstos, a frequência regular dos alunos na escola e a inexistência de problemas relacionados à falta de professores, favorecem um desempenho positivo dos discentes. Por mais que sejam questões evidentes, os modelos mostram que, comparadas também com outras questões, essas se destacam e, se forem priorizadas, podem gerar resultados positivos em maior proporção.
Bom, apresentei aqui algumas tendências com foco nos questionários respondidos pelos professores. Mas há muitos outros resultados obtidos, que envolvem as perspectivas dos alunos, das escolas e dos seus diretores. Por isso, apresento a seguir uma série de trabalhos que publiquei ao longo dos últimos anos, onde resultados são apresentados e diversas análises e discussões são realizadas.
Até a próxima!
FONSECA, S.O. ; SILVA, A.R; NAMEN, A.A.; MOURA NETO, F.D.; ORTIGAO, M.I.R.; ROHRER, U.A.B.V. Mineração de dados orientada pelo domínio: uma prova de conceito. Estudos em Avaliação Educacional, 30(74), 420-453, 2019.
FONSECA, S.O. ; SILVA, A.R; NAMEN, A.A. Uma metodologia para a descoberta de conhecimento em bases de dados da Prova Brasil. Educação Matemática Pesquisa, v. 20, p. 257-282, 2018.
FONSECA, S.O.; SILVA, A. R. ; NAMEN, A. A. Utilização de um algoritmo de associação para a descoberta de aspectos relacionados à repetência escolar. In: XXI Encontro Nacional de Modelagem Computacional, Búzios-RJ. XXI ENCONTRO NACIONAL DE MODELAGEM COMPUTACIONAL. Essentia Editora, 2018. v. 1.
FONSECA, S.O.; SILVA, A.R.; NAMEN, A. A. Fatores relacionados aos concluintes do curso de Licenciatura em Matemática – uma análise dos resultados do Enade. In: CNMAC 2017 XXXVII Congresso Nacional de Matemática Aplicada e Computacional, 2017. v. 6.
FONSECA, S.O.; NAMEN, A. A. Extração de conhecimento relacionado ao aprendizado de matemática de alunos do ensino fundamental. In: XXXVI Congresso Nacional de Matemática Aplicada e Computacional, 2016, Gramado-RS. Anais do XXXVI Congresso Nacional de Matemática Aplicada e Computacional, 2016. v. 1.
FONSECA, S.O.; NAMEN, A. A. Mineração em bases de dados do inep: uma análise exploratória para nortear melhorias no sistema educacional brasileiro. Educação em Revista, v. 32, p. 133-157, 2016.
FONSECA, S.O.; NAMEN, A. A. Mineração de dados educacionais – um estudo comparativo entre o Estado do Rio de Janeiro e da Bahia. In: XVIII Encontro Nacional de Modelagem Computacional, Salvador. Anais do XVIII Encontro Nacional de Modelagem Computacional, 2015. v. 1.
FONSECA, S.O.; NAMEN, A. A. Extração de – um estudo em bases de dados desbalanceadas. In: XVII Encontro de Modelagem Computacional, Petrópolis-RJ. padrões relacionados a professores do ensino básico Anais do XVII Encontro de Modelagem Computacional, 2014. v. 1.
ALOQUIO, L.; NAMEN, A. A. Extração de regras de associação relacionadas ao aprendizado de matemática de estudantes do ensino fundamental. In: XVI Encontro de Modelagem Computacional, Ilhéus-BA. Anais do XVI Encontro de Modelagem Computacional, 2013.
NAMEN, A.A.; SOARES, A. C. S. Utilização de classificadores bayesianos para análise dos fatores relacionados ao desempenho dos alunos da quarta série do ensino fundamental. In: XV Encontro de Modelagem Computacional, 2012, Uberlândia – MG. XV Encontro de Modelagem Computacional, 2012. v. 1.
NAMEN, A.A.; SOARES, A. C. S. Mineração de Dados Relacionados ao Aprendizado de Língua Portuguesa – Um Estudo Exploratório. In: XIV Encontro de Modelagem Computacional, Nova Friburgo-RJ. Anais do XIV Encontro de Modelagem Computacional, 2011.
Anderson Namen é cofundador e cientista de dados da Digital Innovation Consulting Group, empresa focada em ajudar outras empresas a habilitar o digital como um importante impulsionador de negócios em vários setores da economia. Doutor em Engenharia de Sistemas e Computação pela COPPE/UFRJ, possui experiência de mais de 30 anos, tendo liderado projetos inovadores em diferentes organizações. Seu foco se concentra primordialmente em projetos englobando ciência de dados e sistemas de suporte à decisão. Atua também como professor de graduação e programas de pós-graduação na Universidade do Estado do Rio de Janeiro e na Universidade Veiga de Almeida.
Desenvolve há mais de 10 anos projetos ligados ao meio ambiente, envolvendo a análise da biodiversidade e suas relações com o clima, além da gestão e monitoramento de fauna. Na área de gestão de resíduos sólidos, teve projeto de rastreabilidade de resíduos perigosos selecionado entre os 3 melhores projetos ligados ao meio ambiente, sendo premiado no RFID Journal Green Awards, evento patrocinado pelo mais conhecido jornal focado em tecnologia RFID no mundo. Atualmente coordena projeto de aplicação de Inteligência Artificial para gestão de resíduos orgânicos, patrocinado pela Faperj, que envolve 8 diferentes organizações públicas e privadas, entre elas Embrapa, UFF, UERJ e Universidade Veiga de Almeida.
Liderou diversos projetos na área de educação, utilizando dados do INEP/MEC para previsão de resultados relacionados ao processo ensino-aprendizagem de estudantes do ensino básico. Também atou no planejamento e elaboração de currículos para o ensino superior e na criação de sistemas de apoio à decisão focados na experiência do aluno. Ainda na área de educação, liderou equipe transdisciplinar para criação de recursos de on-line focados nos diferentes estilos de aprendizagem dos estudantes, sendo agraciado com premiação pelo desenvolvimento de melhor disciplina on-line entre 15 diferentes instituições de ensino superior na América Latina.
Atuou durante 25 anos como diretor da empresa E3A Educação e Assessoria, tendo desenvolvido projetos de consultoria para empresas como Furnas Centrais Elétricas, Fundação Getúlio Vargas e Universidade Veiga de Almeida. Anteriormente, trabalhou nas empresas Mesbla Lojas de Departamentos e IBM Brasil, sendo reconhecido nessa última com 3 prêmios de contribuição significativa ao negócio.
