O SiSU como forma de ingresso

O ponto inicial para as mudanças no acesso às instituições públicas de ensino superior ocorreu no ano de 2009, com a proposta apresentada pelo MEC, que defendia a criação de um novo sistema de ingresso centralizado, expandindo os objetivos do Enem que vigoravam até o momento, com intuito de garantir a democratização do acesso ao ensino superior, visando a uma melhor distribuição das vagas em instituições de ensino. Segundo ^{Silva (2017}), a democratização é entendida como ponto-chave para reversão do caráter elitista do ensino superior, ao mesmo tempo que baliza a inclusão e permite a plena aplicação dos princípios meritocráticos idealizados pela Organização das Nações Unidas para a Educação, a Ciência e a Cultura (Unesco). O Novo Enem apresentou uma proposta reformulada do exame, dividindo a prova por área de conhecimento e com questões que pudessem ser comparadas anualmente. Assim, o exame passou de ferramenta de avaliação das habilidades e competências dos alunos egressos do ensino médio para sistema de ingresso no ensino superior.

Para operacionalizar o Enem como exame de seleção para o ensino superior, foi implementado, em 2010, o SiSU, servindo como canal de oferta, demanda e alocação de vagas (^{Abreu & Carvalho, 2014}). De acordo com o Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira (Inep), foram implementadas mudanças no exame que o levaram a ser o centro do processo seletivo para o ingresso no ensino superior público (Inep, 2020). Então, no dia 26 de janeiro de 2010 foi instituído e regulamentado, por meio da Portaria Normativa n. 2, o SiSU, definido como um sistema informatizado gerenciado pelo MEC, para seleção de candidatos a vagas em cursos de graduação disponibilizadas pelas instituições públicas de educação superior dele participantes. Ressalta-se que a forma de ingresso pelo SiSU poderia ser adotada pelas instituições como forma de ingresso única ou associada a outras maneiras de seleção.

Segundo a portaria que instituiu o Novo Enem e o SiSU, as instituições que desejassem utilizar esse sistema como formato de ingresso deveriam efetuar a adesão a ele e disponibilizar suas vagas no sistema. Conforme descrevem ^{Freitas et al. (2022}), no ano de 2022, a maioria das universidades federais, 62 universidades, adotava o sistema de seleção unificado. Os estudantes interessados deveriam se inscrever pelo site do SiSU, indicando se concorreriam ou não às vagas pela política afirmativa, podendo, em 2010, inscrever-se em até cinco opções de cursos e instituições de sua preferência (Portaria Normativa n. 2, 2010). Nas versões seguintes, os estudantes passaram a poder se candidatar a apenas dois cursos, indicando a ordem de preferência.

O funcionamento do SiSU é descrito por ^{Abreu e Carvalho (2014}) como um mecanismo de matching, em que há um ajustamento feito pelo candidato entre vagas e instituições do ensino superior de todo território nacional e suas possibilidades de êxito. ^{Flores (2013}), em um estudo de caso, produziu evidências empíricas de que o SiSU tem influenciado na escolha do curso superior, causando certa “banalização” da escolha, pois o objetivo do estudante torna-se ingressar no ensino superior, independentemente do curso. Para ^{Ariovaldo (2018}) os estudantes que não conseguem ingressar em um curso realmente desejado, por insuficiência da pontuação atingida no Enem, optam por ingressar em um curso de área de conhecimento próxima no qual a pontuação garanta a aprovação ou simplesmente em qualquer curso com aprovação garantida. Outro fator recorrente após a implantação do SiSU é a mudança de curso feita pelos estudantes dentro da mesma instituição, provocando evasão no curso anterior e contribuindo para os elevados índices no cenário atual. Uma explicação para esse fato é a falta de identificação do discente com o curso ou por este ter escolhido o curso apenas com o objetivo de ingressar no ensino superior.

Para se inscrever no SiSU o candidato deve ter realizado a prova do Enem, e a partir de sua nota será gerada a classificação em cada curso com vagas ofertadas pelos Institutos de Educação Superior (IES) participantes. Durante o período de inscrição, o SiSU calcula a nota de corte (menor nota para o candidato ficar entre os potencialmente selecionados) para cada curso, com base no número de vagas disponíveis e no total dos candidatos inscritos naquele curso, por modalidade de concorrência. O candidato pode consultar sua classificação parcial na opção de curso escolhido durante o período em que o sistema estiver aberto para as inscrições. Ao final do período de inscrição, é divulgada a lista de selecionados.

Na FURG, por exemplo, candidatos que não foram selecionados nessa primeira etapa de inscrições, ou que foram selecionados para a segunda opção de curso, podem ainda concorrer na lista de espera no curso para o qual se inscreveram como primeira opção, na espera por vagas que não foram preenchidas. Para os ingressos entre 2014 e 2018, período de análise deste trabalho, se o aluno tivesse se matriculado em curso de sua segunda opção e fosse chamado na lista de espera do curso selecionado como primeira opção, teria possibilidade de se matricular, gerando uma vaga ociosa antes mesmo de finalizado o processo de matrículas. Essa vaga ociosa poderia ser preenchida em um novo chamamento da lista de espera, que tem cronograma instituído por cada IES, não dependendo mais do SiSU. Especificamente, na FURG, os chamamentos seguem até antes do curso das aulas atingir 25% da carga horária, já que o aluno ingressante necessita de no mínimo 75% de frequência para aprovação. A partir dos ingressos de 2019, estudante matriculado, mesmo que em curso apontado como segunda opção, não pode mais concorrer na lista de espera.

Posto isso, ^{Backes (2015}) considera o SiSU uma política pública capaz de promover a inclusão de minorias, mostrando-se um instrumento de seleção democrático, porém alerta para problemas que podem surgir com a mobilidade proporcionada por uma seleção nacional. Segundo a autora, a aprovação no curso que o candidato escolheu apenas por conveniência ou como forma de ingresso imediato no ensino superior, sem considerar suas características, o mercado de trabalho e a afinidade com a profissão, pode aumentar as chances de esse candidato evadir tanto do curso quanto da vida acadêmica em geral.

Estudos relacionados à evasão

Evasão é o ato de sair antecipadamente por desistência - independentemente do motivo - dos estudos em uma instituição de ensino antes da conclusão do programa acadêmico pretendido (Inep, 2017). Em função da importância desse fenômeno para as políticas públicas, diversos autores têm apontado a necessidade de uma definição mais precisa dele (^{Silva & Marinano, 2021}; ^{Coimbra et al., 2021}).

Essa discussão é motivada pelo fato de a evasão ser um fenômeno complexo, resultante de uma interação entre fatores individuais, institucionais e ambientais. Os trabalhos de ^{Tinto (1975}, 1993) sobre o tema são seminais, segundo o qual a evasão é um processo longitudinal de interações entre as experiências acadêmicas e sociais dos estudantes. A decisão de evadir, portanto, ocorre quando os alunos não se sentem integrados à instituição, seja por dificuldades acadêmicas, de pertencimento à comunidade universitária, ou pela falta de compatibilidade entre suas expectativas e a verdadeira vivência na universidade.

Assim, a continuidade dos estudos depende tanto de características indivi- duais dos alunos, como o background socioeconômico e experiências acadêmicas prévias, quanto de características psicológicas e motivacionais ligadas à persistência. Na literatura, diversos outros modelos¹ desenvolvidos a partir de ^{Tinto (1975}, 1993), como ^{Bean e Metzner (1985}), ^{Pascarella e Terenzini (1991}) e ^{Cabrera et al. (1992}), também enfatizam a importância de fatores individuais, como habilidades acadêmicas e motivação, aliados a fatores institucionais de suporte e clima acadêmico, como fundamentais para a decisão de evadir.

No Brasil, de forma semelhante, a Comissão Especial de Estudos sobre a Evasão nas Universidades Públicas Brasileiras implementada pelo MEC definiu três grupos de fatores que influenciam a evasão no ensino superior: individuais, internos e externos. Os fatores individuais estão relacionados às habilidades de estudo, personalidade, formação, escolha precoce da profissão, reprovações constantes, baixa frequência às aulas e dificuldades de adaptação à rotina universitária. Os fatores internos à instituição dizem respeito a questões da metodologia adotada, como falta de clareza no projeto pedagógico do curso e infraestrutura insuficiente de apoio ao ensino. Já em relação aos fatores externos, a comissão destaca a desvalorização da profissão escolhida no mercado de trabalho, conjuntura econômica, reconhecimento social e políticas governamentais (MEC, 1996).

Na literatura empírica, ^{Silva (2013}) indica que é possível dividir em dois tipos de trabalhos, os que tratam das motivações para o abandono do sistema escolar como um todo, sem avaliar a decisão pessoal de evadir, e os que procuram identificar as causas manifestadas pelos evadidos para a desistência do curso. Estes últimos, conforme o autor, normalmente levam em conta apenas alunos evadidos e, portanto, têm uma relevante deficiência metodológica, pois podem incorrer em viés na seleção. Isto é, os respondentes que escolhem participar dos estudos podem decidir fazê-lo por compartilharem de alguma característica que os tornem diferentes dos que não responderam, de forma a não permitir que os pesquisadores identifiquem o verdadeiro motivo geral da evasão.

Essas questões se tornam ainda mais relevantes, tendo em vista que estudos recentes apontam o aumento da evasão no ensino superior após a adoção do SiSU pelas universidades (^{Cunha et al., 2001}; ^{Gilioli, 2016}; ^{Li & Chagas, 2017}; ^{Ribeiro & Morais, 2020}; ^{Cabello et al., 2021}; ^{Cássio et al., 2023}). Esse incremento, segundo Gilioli (2016), é de natureza complexa e pode ser atribuído ao processo de seleção mais amplo e inclusivo, que resultou em maior diversidade de estudantes matriculados, dificultando a integração acadêmica e social. ^{Porto e Régnier (2003}), por sua vez, apontam que a ampliação quantitativa das vagas ocorreu sem os devidos ajustes nas práticas de gestão e metodologias de maneira que fosse possível atender com mais eficiência esses ingressantes.

Ainda nesse contexto, ^{Silva (2017}) justifica o aumento da evasão pelo fato de o sistema de escolha permitir que o candidato tenha acesso aos pontos de corte de cada curso e instituição no decorrer do período de inscrição, fazendo com que o critério de escolha passe a ser simplesmente o curso no qual tenha nota para aprovação, desconsiderando outros critérios como localidade e benefícios de permanência disponíveis. Assim, o aumento da evasão estaria relacionado à falta de preparação dos estudantes para as demandas acadêmicas do ensino superior, em função da escolha do curso ser motivada principalmente pela concorrência, e não pelo alinhamento com interesses e aptidões.

O presente estudo, portanto, contribui para essa literatura ao explorar a possibilidade de os postulantes a uma vaga na universidade concorrerem em dois cursos ou instituições distintas. Ainda, a análise das chances de evasão, conforme descrito na próxima seção, leva em conta o pareamento entre ingressantes de primeira e segunda opção, de forma que eles não apresentem diferenças nas características observáveis. Essa identificação de indivíduos com mesmas particularidades evita a crítica da existência de viés de seleção, trazendo resultados mais precisos para o fenômeno investigado.

Base de dados

Os dados utilizados na pesquisa foram coletados no sistema acadêmico da FURG e nos relatórios gerenciais do SiSU Gestão fornecidos pelo MEC, com periodicidade semestral, e compreendem alunos ingressantes na universidade entre 2014 e 2018. A estrutura de dados foi constituída de cortes transversais agrupados por semestre.

Assim, o banco de dados é composto de 43.334 observações de alunos, dos quais 53% são do sexo feminino e 47% do sexo masculino, sendo que aproximadamente 76% dos alunos se autodeclaram brancos, 13% pardos, 7% pretos e 1% amarelos. No que tange ao perfil etário dos estudantes, a média da idade é de 25 anos. Quanto à origem escolar, 25% concluíram o ensino médio em escola privada e 75% em instituições públicas. Ainda, 79% dos alunos são oriundos do Rio Grande do Sul, 7,3% de São Paulo e o restante é dos demais estados brasileiros (Tabela 2).

De todos os indivíduos considerados neste trabalho, apenas 9,8% ingressaram na FURG por segunda opção, conforme mostrado na Tabela 2. Isso ocorreu porque, no período analisado, esse tipo de ingresso só era possível na primeira convocação para matrícula, realizada diretamente pelo MEC, na qual o estudante selecionado deveria comparecer na universidade para qual foi aprovado e efetuar seu registro. Após essa convocação, as vagas não preenchidas eram disponibilizadas para uma lista de espera, pela qual os candidatos só podiam concorrer para o curso que haviam selecionado como primeira opção de ingresso. Na FURG, em média, 35% das vagas foram preenchidas na primeira convocação, única oportunidade para ingresso de alunos de segunda opção.

No que se refere aos ingressantes por Unidade Acadêmica ao qual o curso está vinculado, podemos observar pela Figura 1 que o percentual de ingressantes por segunda² opção variou entre 6% e 17%, sendo menor na Escola de Enfermagem (EENF) e maior na Faculdade de Medicina (Famed).³ Em relação à evasão, consi- derando apenas os ingressantes no período analisado, a média geral foi de 10%, conforme apresentado na Tabela 2, sendo 12% entre alunos ingressantes de segunda opção e 10% de primeira.

Cabe salientar que a definição de evasão empregada no estudo, em virtude da disponibilidade de informações, estabelece evasão como o ato de sair antecipadamente por desistência, a despeito do motivo, dos estudos em um curso, antes da conclusão do programa acadêmico pretendido, independentemente de o aluno permanecer na universidade, na mesma ou em outra, ou não.

Fonte: Elaboração dos autores com base no sistema acadêmico da FURG (FURG, 2021).

Nota: C3 - Centro de Ciências Computacionais; EE - Escola de Engenharia; EENF - Escola de Enfermagem; EQA - Escola de Química e Alimentos; Fadir - Faculdade de Direito; Famed - Faculdade de Medicina; ICB - Instituto de Ciências Biológicas; Iceac - Instituto de Ciências Econômicas, Administrativas e Contábeis; ICHI - Instituto de Ciências Humanas e da Informação; IE - Instituto de Educação; ILA - Instituto de Letras e Artes; IMEF - Instituto de Matemática, Estatística e Física; IO - Instituto de Oceanologia.

FIGURA 1 Distribuição de frequência das opções de ingresso na FURG por Unidade Acadêmica para o período analisado (2014-2018) 

As tabelas 1 e 2, a seguir, apresentam as estatísticas descritivas das variáveis utilizadas na análise. Na primeira, são apresentadas as notas do Enem, nas quatro áreas de conhecimento, a nota na redação e a nota final, além da idade dos alunos considerados no estudo. Na Tabela 2, são exibidas as distribuições de frequência das demais variáveis. A variável Programa de Avaliação Inclusiva (Proai) refere-se à forma de ingresso do aluno, na FURG, ou seja, às categorias utilizadas na política de cotas.

O Propensity Score Matching (PSM)

Para atender ao objetivo de investigar se o ingresso por segunda opção afeta a chance de evasão, com base nos dados da Universidade Federal do Rio Grande, o presente trabalho utiliza a metodologia do pareamento por escore de propensão (do inglês, Propensity Score Matching, ou PSM). Esse método é amplamente utilizado na literatura que visa a estimar o efeito causal de um tratamento (^{Khandker et al., 2010}), que para a presente pesquisa é ingressar na universidade por meio de um curso que era a segunda opção desejada.

O método consiste na obtenção de grupos de comparação que sejam semelhantes com base nas características observáveis. Isso é feito ao estimar o escore de propensão (ou propensity score), que consiste na probabilidade de um indivíduo receber o tratamento com base em suas características observáveis (^{Rosenbaum & Rubim, 1983}). Mais especificamente, um modelo probabilístico é estimado conforme a equação (1), que no caso em análise se refere à probabilidade de o aluno i ingressar em segunda opção a partir de um vetor de covariadas X _i associadas:

Em que W é o indicador de tratamento (entrada em segunda opção), tal que, se o indivíduo i receber o tratamento, W = 1 (segunda opção), caso contrário, W = 0 (primeira opção). Já X _i representa a matriz de características observáveis, composta de idade, sexo, cor, origem, modalidade de ingresso, nota no Enem, tipo de escola em que cursou o ensino médio, semestre, turno e curso.

Essa probabilidade é calculada para cada indivíduo da amostra, independentemente de ser observado como tratado ou como controle na base de dados. Assim, o pareamento (ou matching) consiste na obtenção, com base no escore de propensão, de grupos semelhantes compostos de indivíduos que são tratados e que não são tratados. Em outras palavras, o pareamento permite a identificação de alunos com características observáveis semelhantes, independentemente de terem ingressado na universidade por meio de um curso de primeira ou de segunda opção.

Após a realização do pareamento, segundo ^{Rosenbaum e Rubin (1983}), o efeito causal médio do tratamento sobre os tratados (ATT) é estimado comparando as diferenças nas probabilidades médias de evasão Y _i entre os grupos tratado (segunda opção) Y _1i e controle Y _0i (primeira opção), conforme indica a equação (2):

Em que o primeiro termo após a igualdade E[Y1i∣W=1,e^(X)] é a probabilidade média de evasão estimada com base nos estudantes que entraram em segunda opção, e o segundo termo E[Y0i∣W=0,e^(X)] é o contrafactual, isto é, a probabilidade média de evasão dos estudantes que ingressaram por primeira opção após o pareamento em características observáveis. Essa comparação é feita apenas dentro dos pares de indivíduos pareados, reduzindo assim o viés de seleção.

A validade do método depende de duas hipóteses: (i) independência condicional ou de seleção nas observáveis, a qual assume que, condicional ao vetor de características observáveis, o resultado é independente do tratamento. Sendo a seleção baseada apenas em características observáveis dos indivíduos, admite-se que todas as variáveis que afetam o tratamento e o resultado são observadas na análise, dada por Yi⊥W∣e(X) (ii) hipótese de suporte comum que implica que para cada valor de x existam observações de tratados e controle passíveis de comparação, na qual 0<e(Wi=1∣Xi)<1 .

Segundo ^{Rosenbaum (2002}), a hipótese de independência condicional restringe a análise do PSM, já que infere que todas as características que afetam o tratamento e o resultado são observadas no modelo. No entanto, a presença de fatores não observados pode interferir nos resultados. Para lidar com esse problema, como forma de robustez dos resultados, vários métodos foram utilizados, como: (i) sem reposição; (ii) dez vizinhos mais próximos; (iii) cinco vizinhos mais próximos; (iv) kernel matching; e (v) radius matching, além do uso do algoritmo indicado por ^{Imbens e Rubin (2015}) e implementado como um módulo do software Stata por ^{Carril (2017}) para realizar a combinação entre as covariadas. O principal objetivo do método é selecionar uma função quadrática (ou linear) de covariáveis para incluir na função de estimativa do escore de propensão ao tratamento, ou seja, criar uma série de combinações entre as covariadas que podem ser relevantes para determinar o parea- mento entre os estudantes analisados.

Mesmo com a utilização de todos os métodos propostos, é plausível admitir que possam existir fatores não observáveis que interferem na evasão escolar e que não puderam ser controlados na análise. Para identificarmos a existência de viés de variável relevante omitida e o quanto ele influencia no tratamento, fazemos uso da análise dos limites propostos por ^{Rosenbaum (2002}). A análise de sensibilidade não elimina a possibilidade de existência de fatores não observáveis, mas estabelece o quão prejudicial eles são para os resultados, a fim de contaminar as inferências de uma análise de correspondência.

Dessa forma, propõe uma verificação da robustez do modelo através da hipótese de viés de seleção. O método identifica dois indivíduos a partir de suas características observáveis, denominados i e j, dentro de uma distribuição logística. Para isso, assume-se que a probabilidade de participação no tratamento (τ _i ) é dada pela equação (3):

Onde x _i é o vetor que contém as características observadas do indivíduo i, µ _i é o termo de erro estocástico, e γ mede o efeito de µ _i sobre a probabilidade de o indivíduo ter ingressado por segunda opção. Evidentemente, se não houver nenhum viés de variável omitida, µ _i será zero e a probabilidade de ser tratado será determinada apenas pelo vetor de características observadas x _i . Caso contrário, constatado o viés de seleção decorrente da interferência de variáveis não observáveis na análise, dois indivíduos com características observáveis semelhantes terão diferentes probabilidades de serem tratados (ingressarem na segunda opção).

Assumindo que F(⋅) é uma função com distribuição logística, a probabi- lidade de que o indivíduo i tenha de ingressar por segunda opção é dada pela equação (4):

Logo, ao comparar dois indivíduos pareados, i e j, que apresentam as mesmas características observáveis (x _i = x _j ), a razão de probabilidade de receber o tratamento pode ser escrita com base na equação (5):

Se confirmada a presença de viés de seleção, os dois indivíduos com características observáveis semelhantes têm diferentes chances de serem submetidos ao tratamento, pois o efeito de µ é captado por γ, que será diferente de zero. Não havendo diferenças relacionadas as características não observadas, nenhum viés é encontrado (γ = 0) e a razão de chances dos indivíduos pareados receberem o tratamento é 1. Em resumo, a análise de sensibilidade avalia o quanto o efeito médio do tratamento é modificado por alterações nos valores de γ e de µ _i - µ _j .

Os limites da razão de probabilidades de participação no tratamento propostos por ^{Rosenbaum (2002}) são expressos pela desigualdade dada pela equação (6):

Para os indivíduos pareados com a mesma probabilidade de participar do tratamento, o valor de Γ será igual a um. Caso contrário - por exemplo, Γ = 2 -, os indivíduos que supostamente parecem ser semelhantes em termos de características observáveis podem diferir em receber o tratamento por um fator de 2, ou seja, indicando que existem fatores não observáveis que alteram a probabilidade de os grupos serem tratados, enviesando o resultado.

Considerando que a variável de interesse é binária, ou seja, evadir ou não, ^{Aakvik (2001}) sugere o uso de estatística de teste de ^{Mantel e Haenszel (1959}) para resultados binários, em que é observado o resultado tanto para os tratados quanto para os não tratados. Se o resultado não for afetado por distintas atribuições de tratamento, então o tratamento não tem efeito. Caso o resultado seja diferente para variadas atribuições, o tratamento terá algum efeito (positivo ou negativo). Assim, essas estatísticas têm como hipótese nula a ausência do efeito do tratamento nas estimações.

Conforme ^{Aakvik (2001}), ^{Becker e Caliendo (2007}) e ^{Ribeiro, Costa e Carvalho (2019}), para usar essa estatística de teste, primeiro é preciso tornar as pessoas nos dois grupos tão semelhantes quanto possível, porque esse teste é baseado em amostragem aleatória. Com o aumento de Γ, os limites se afastam, refletindo a incerteza sobre as estatísticas de teste na presença de viés de seleção não observado. Assim, de maneira prática, seja Q+MH a estatística de teste, dado que superestimamos o efeito do tratamento, e Q−MH o caso em que subestimamos o efeito do tratamento. Os dois limites são indicados pelas equações (7) e (8), respectivamente.

Ẽ _s e Var (Ẽ _s ) são as grandes aproximações da amostra para a expectativa e variância do número de participantes dos grupos de comparação quando µ é binário dado Γ.