Banca de QUALIFICAÇÃO: ANDERSON KLEY B CAMARA PINHEIRO

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE : ANDERSON KLEY B CAMARA PINHEIRO
DATA : 16/04/2026
HORA: 09:00
LOCAL: https://meet.google.com/pce-jjtq-wtm
TÍTULO:

Título: PREDIÇÃO DE RISCO EDUCACIONAL NO RIO GRANDE DO NORTE:

Aplicação de Machine Learning e XAI nos microdados do SAEB.

PALAVRAS-CHAVES:

Keywords: GovTech; public policies; school dropout; predictive algorithms; social inequalities.

PÁGINAS: 101
RESUMO:

Resumo: O panorama da educação pública potiguar enfrenta desafios crônicos relacionados ao fracasso escolar, historicamente mitigados sob uma ótica de gestão estritamente reativa e retrospectiva. Inserida na intersecção entre a tecnologia da informação e a administração pública, esta pesquisa objetiva desenvolver e validar um modelo preditivo baseado em inteligência artificial para antecipar fatores subjacentes de vulnerabilidade estudantil, viabilizando intervenções preventivas por meio da plataforma Jogabilizar. A metodologia adotada fundamentou-se no modelo CRISP-DM, utilizando os microdados oficiais do Sistema de Avaliação da Educação Básica (SAEB) referentes ao ciclo de 2023. O pré-processamento compreendeu a filtragem exclusiva dos estudantes da rede pública, a higienização de dados ausentes e a definição do risco com base no cálculo da média de proficiência interna. Para a modelagem, treinou-se o algoritmo XGBoost, o qual apresentou um comportamento matemático altamente conservador e protetivo, atingindo uma Acurácia Global de 78%, uma Área sob a Curva ROC (AUC-ROC) de 0.865 e um Recall de 70% na identificação de alunos na iminência de fracasso. A fim de superar a opacidade algorítmica e atender às exigências de transparência governamental, aplicou-se a Inteligência Artificial Explicável por meio dos valores SHAP. A teoria dos jogos revelou que os principais impulsionadores do risco não se limitam à sala de aula, estando fortemente ancorados na vulnerabilidade socioeconômica estrutural (falta de bens de consumo), na ausência de tempo dedicado ao estudo extraclasse, no histórico de reprovação prévia, na alta coabitação familiar e na percepção discente de práticas pedagógicas descontextualizadas. Conclui-se que a integração de macrodados com algoritmos explicáveis fornece à gestão pública uma ferramenta diagnóstica cirúrgica. Ao operar sob a premissa de intervenção humana apoiada por dados, a solução consolida a transição de um modelo governamental reativo para o desenho de políticas públicas preventivas baseadas em evidências.

MEMBROS DA BANCA:
Presidente - ***.133.498-** - CRISTIANO ALVES DA SILVA - UFSC
Interno - 1943220 - ORIVALDO VIEIRA DE SANTANA JUNIOR
Interna - 1753896 - ZULMARA VIRGINIA DE CARVALHO
Externa à Instituição - MARILIA MATOS GONÇALVES - UFSC