Seleção dos dados

Inicialmente foram selecionados os discentes, professores, diretores e escolas do estado do Rio de Janeiro. Tal seleção foi motivada por entender que cada estado brasileiro tem uma rede pública com características específicas e, portanto, os fatores relacionados ao desempenho devem ser estudados separadamente.

Outra tarefa executada foi a exclusão dos alunos que não fizeram ou que responderam somente a três ou menos itens do teste de matemática, uma vez que não se adequavam ao cálculo da proficiência. Foram removidos, ainda, todos aqueles que não responderam a, no mínimo, 70% das perguntas dos respectivos questionários. Ademais, para garantir a consistência entre as bases de dados, foram mantidos somente os docentes, diretores e escolas que se relacionavam a algum aluno na base TS_ALUNO_9EF. Portanto as tabelas foram interligadas com o intuito de identificar, para cada aluno, o seu professor de matemática, a sua escola e o seu diretor.

Após essas seleções e remoções, cada tabela passou a conter a seguinte quantidade de registros: 113.021 alunos em TS_ALUNO_9EF; 2.388 professores em TS_PROFESSOR; 1.771 diretores em TS_DIRETOR; e 1.764 escolas em TS_ESCOLA.

Redução de dimensionalidade

Conforme mencionado, os quatro questionários englobam 361 questões. Em virtude desse alto número de variáveis, a redução de dimensionalidade foi essencial na etapa de preparação dos dados. Etapa essa que consiste em reduzir o número de questões a serem analisadas, a partir de sua troca por atributos agregados, os construtos, mantendo a relevância empírica.

O processo de redução de dimensionalidade foi efetuado por intermédio do conhecimento dos especialistas envolvidos nesta pesquisa e, portanto, em conformidade com os conceitos preconizados pela D³M e tendo como referência uma revisão da literatura específica. Os pesquisadores, a partir da análise de cada questionário, conjecturaram quais questões estariam inter-relacionadas. Os grupos de variáveis abordando um tema comum seriam os possíveis construtos para o estudo. É importante salientar que, devido ao grande número de variáveis, muitos construtos foram identificados. Assim, alguns foram escolhidos para serem submetidos a análises posteriores.

Os construtos conjecturados foram analisados individualmente, seguindo o processo descrito na Figura 2.

Fonte: Elaboração dos autores.

FIGURA 2 Processo para cada construto sugerido 

Conforme exposto na Figura 2, por meio da utilização do software IBM SPSS Statistics 23 (IBM CORPORATION, 1989), a análise de componentes principais (principal components analysis - PCA) (^{SMITH, 2002}) foi aplicada às questões escolhidas relacionadas a cada construto, com a especificação de obtenção de um único componente. Posteriormente, verificou-se a carga de cada variável, ou seja, sua correlação com cada um dos componentes principais. Caso a carga fosse inferior a 0,4 (em valor absoluto), a variável seria eliminada do construto e a análise refeita. Cabe ressaltar que esse valor mínimo especificado é recomendado por ^{Stevens (1992}), baseando-se na justificativa de que esse ponto de corte é apropriado para facilitar a interpretação. Além disso, o autor justifica que, elevando-se a carga de uma variável ao quadrado, obtém-se uma estimativa do montante da variância em um componente por ela explicada. Assim, o valor de 0,4 explica por volta de 16% da variância da variável.

A escolha das variáveis para compor cada construto seguiu também critérios qualitativos, como teoria e parcimônia. O primeiro relaciona-se com a teoria dos estudos sociológicos e o segundo, com o cuidado que pesquisadores devem ter em relação ao número de fatores selecionados para entrar no modelo. Não existe um número ideal, mas o melhor modelo, do ponto de vista desse critério, é um modelo tão simples quanto possível, que seja capaz de fornecer explicações plausíveis e consistentes.

Após verificar se todas as variáveis satisfaziam o limite mínimo definido a respeito da carga, analisou-se a consistência interna do construto. Essa etapa foi efetuada por meio da medida α de Cronbach (^{CRONBACH, 1951}) e da média das correlações entre as variáveis. Em termos práticos, o limite inferior para α de Cronbach geralmente aceito é 0,7. Contudo, em pesquisas exploratórias, esse valor pode ser diminuído para 0,6 (^{HAIR et al., 2005}; ^{KLINE, 1999}; ^{ROBINSON; SHAVER; WRIGHTSMAN, 1991}). Ademais, segundo ^{Clark e Watson (1995}), a média das correlações entre as variáveis deve ficar entre 0,15 e 0,5. Portanto, caso uma variável comprometesse o valor da medida α de Cronbach ou tivesse baixa correlação, deveria ser eliminada e a análise refeita.

Os construtos submetidos a esse processo e as respectivas medidas obtidas são apresentados na Tabela 2.

Observa-se que 21 construtos foram analisados. Sete, dentre os 21, tinham α de Cronbach inferior a 0,7. No entanto, todos tinham valor superior a 0,6 (o menor valor, 0,635, refere-se ao construto “Relação com a comunidade externa”). Para corroborar essa confiabilidade, nota-se, ainda, que os sete construtos têm média das correlações entre suas variáveis com valor entre 0,15 e 0,5, satisfazendo o critério de ^{Clark e Watson (1995}).

Ao final do processo, computaram-se os escores. Assim, cada aluno presente na base de dados passou a ter uma pontuação nos construtos “Posse de bens”, “Escolaridade dos pais” e “Hábito de leitura”. Analogamente, cada professor, diretor e escola, presentes nas respectivas bases de dados, passaram a ter pontuações referentes aos construtos extraídos, apresentados na Tabela 2. Mais detalhes do processo de redução de dimensionalidade descrito neste artigo podem ser vistos em ^{Fonseca (2018}).

É importante mencionar que, durante a condução do processo de redução de dimensionalidade, foram consultados trabalhos que abordavam os construtos presentes nos questionários das avaliações do Sistema de Avaliação da Educação Básica (Saeb). Podem-se citar o documento Saeb 2001: Novas perspectivas (BRASIL, 2001), o artigo de ^{Franco et al. (2003}) e a pesquisa efetuada por ^{Karino, Vinha e Laros (2014}). Tais trabalhos serviram como arcabouço teórico e direcionaram o estudo aqui desenvolvido.

Integração, normalização e discretização

Após o processo de redução de dimensionalidade, as bases de dados foram integradas com o intuito de agregar a cada aluno as pontuações correspondentes ao seu professor, diretor e escola. Portanto a tabela TS_ALUNO_9EF passou a conter os 21 novos atributos (construtos) apresentados na Tabela 2. Além disso, essas 21 variáveis, que alocam os escores, são contínuas com diferentes amplitudes, isto é, têm distintos valores de máximo e mínimo. Para melhor entendimento desses dados, os valores dessas variáveis foram normalizados entre 0 e 1, dividindo-se todos os valores da variável pelo máximo valor.

Outra tarefa de preparação foi efetuada com a finalidade de transformar esses 21 atributos do tipo contínuo para discreto. Tal transformação recebe o nome de “discretização” e consiste, basicamente, de duas subtarefas: escolher o número de categorias que o atributo terá e ainda estabelecer como os valores contínuos serão mapeados para essas diferentes categorias (^{HAN; KAMBER; PEI, 2012}).

Assim, primeiramente foi assumido que todos os 21 atributos teriam quatro categorias. Essas categorias foram intituladas 1, 2, 3 e 4. O mapeamento de uma variável arbitrária X _k , com k = 1, ..., 21 ocorreu de tal modo que a categoria 1 se referiu ao percentual de 10% dos registros com valores mais baixos do atributo X _k (considerando-se apenas os valores não nulos de X _k ), ou seja, 10% do total de registros que obtiveram as menores pontuações; a categoria 4 referiu-se aos 10% dos registros com os valores mais altos do atributo X _k ou, equivalentemente, os 10% de registros, considerando-se apenas os com valores não nulos que obtiveram as maiores pontuações; os registros restantes foram alocados nas categorias 2 e 3, de modo que a primeira metade pertenceria à categoria 2 e a segunda metade pertenceria à categoria 3, cada uma representando 40% dos registros com valores de X _k não nulos.

Para exemplificar a discretização dos atributos, considere a variável relacionada à posse de bens. Dos 113.021 alunos, 11.033 não tiveram escore calculado (tal situação ocorre, pois o aluno deveria responder a todas as questões presentes no construto, mas há situações em que isso não ocorre). Assim, esse atributo tem 101.988 valores não nulos. A categoria 1 refere-se aos 10% dos 101.988 registros que obtiveram as menores pontuações (intervalo de pontuação da categoria 1: [0, 0,1848]); a categoria 4 refere-se aos 10% dos 101.988 registros que obtiveram as maiores pontuações (intervalo de pontuação da categoria 4: [0,42825, 1]); os registros restantes foram alocados nas categorias 2 (intervalo de pontuação da categoria 2: (0,1848, 0,28566)) e 3 (intervalo de pontuação da categoria 3: (0,28566, 0,42825)). Seguindo a lógica dessa divisão, os alunos alocados à categoria 1 do construto Posse de bens têm muito menos bens do que os localizados na categoria 4.

Processo análogo foi feito para os outros atributos; por exemplo, para o atributo “Problemas de aprendizagem dos alunos”, os alunos na categoria 1 têm professores que estão vivenciando muito menos problemas de aprendizagem de seus alunos do que os professores que lecionam para os alunos presentes na categoria 4. Interpretação nesse sentido também é dada ao atributo “Necessidade de aperfeiçoamento profissional”, ou seja, quanto maior o valor do escore, menos favorável é o cenário relacionado ao seu aperfeiçoamento.

Como se desejou descobrir relações entre os 21 atributos e o desempenho obtido em matemática, também foi efetuada a discretização da variável-alvo que armazena a nota obtida pelos discentes no teste. É importante mencionar que a escala de proficiência em matemática varia de 0 a 500.

A distinção em categorias ou classes do atributo-alvo foi realizada de duas formas: uma visando à descoberta de fatores que pudessem influenciar de forma positiva e outra à descoberta de fatores que pudessem influenciar negativamente o desempenho dos alunos.

Para a influência positiva, os registros de alunos foram mapeados de tal modo que aqueles com notas superiores ou iguais a 308,43 fossem alocados na classe Nota Alta. Os registros restantes, com proficiências inferiores a esse limite, ficaram alocados em uma classe denominada Outra. Já para a análise da influência negativa, a discretização ocorreu de forma a alocar os alunos com notas inferiores ou iguais a 180,44 na classe Nota Baixa, enquanto aqueles com notas superiores fossem alocados na categoria Outra.

Cabe salientar que os limites, 308,43 e 180,44, foram especificados para que, respectivamente, as classes Nota Alta e Nota Baixa tivessem 10% do total de alunos presentes na base, ou seja, 11.302 discentes. Nota-se que esse percentual mantém a coerência em relação à discretização efetuada para os outros 21 atributos.

Após as tarefas de preparação, a base de dados contendo os 113.021 registros de alunos, as 21 variáveis explicativas (construtos) e a variável-alvo (discretizada de duas formas) encontrava-se estruturada para a aplicação do algoritmo de mineração de dados.

Medidas técnicas

Para avaliar os padrões, duas medidas técnicas foram estabelecidas. A primeira objetivou mensurar a importância dos padrões, de modo a ordená-los. Já a segunda procurou complementar a análise, verificando se a situação inversa dos padrões, analisando o aspecto da nota baixa (no lugar da nota alta), tinha efeito adverso.

A primeira medida a ser fixada foi “porcentagem de alunos da classe Nota Alta que se encontram nas duas categorias que representam o melhor cenário”, nomeada MT. Considerou-se que seu limite fosse 57%, isto é, exigiu-se que, no mínimo, 57% dos alunos da classe Nota Alta estivessem nas categorias consideradas favoráveis ao desempenho. Ressalta-se que, para definir esse limite, buscou-se um valor que possibilitasse a seleção de um número viável de construtos para posterior análise. Caso esse limite fosse cumprido, acreditou-se que os alunos com êxito em matemática apresentariam uma característica semelhante (ou seja, um padrão) e, consequentemente, permitiriam apontar a relevância do construto para um melhor desempenho em matemática.

Conforme pode ser visto na Tabela 3, cinco construtos, dentre os 21, satisfazem a condição MT ≥ 57%, a saber: “Escolaridade dos pais”; “Expectativa dos professores sobre formação dos alunos”; “Funcionamento da escola”; “Experiência do professor”; e “Frequência e fluxo escolar”.

A segunda medida técnica adotada, denominada MT ₂, analisou se os construtos, selecionados a partir de MT, apresentavam situação inversa quando os alunos da classe Nota Baixa fossem analisados. O objetivo buscado, simplesmente, foi o de confirmar se condições piores relacionadas aos construtos implicavam também pior desempenho dos alunos. Ressalta-se que, nesse caso, para obtenção dessa confirmação, bastaria que, pelo menos, mais de 50% dos alunos da classe Nota Baixa estivessem nas categorias que representassem o pior cenário (categorias 1 e 2). Assim, a escolha da segunda medida técnica (MT ₂: = porcentagem de alunos da classe Nota Baixa que se encontram nas duas categorias que representam o pior cenário) considerou um limite igual a 50%. Observou-se que todos os cinco construtos satisfizeram a restrição sobre a medida técnica MT ₂, ou seja, MT ₂ > 50% (Tabela 4).

Portanto, a partir da análise das medidas técnicas, cinco padrões puderam ser identificados como relevantes para o desempenho dos estudantes em matemática:

Analisando os valores da medida técnica MT, presentes na Tabela 3, nota-se que o padrão P ₁ apresentou o resultado mais expressivo (65,72%), seguido por P ₂, e assim sucessivamente. Nessa ótica, caso estivesse sendo executada a mineração tradicional, o processo de descoberta de padrões deveria ser encerrado e o resultado obtido seria entregue aos tomadores de decisão. Esses, por sua vez, priorizariam a elaboração de políticas públicas, de acordo com a ordem de importância desses construtos. No entanto, conforme mencionado anteriormente, o processo de caráter inovador elaborado nesta pesquisa propõe a análise dos padrões não somente considerando medidas técnicas, provenientes de um processo automatizado, mas utilizando medidas de interesse da temática em questão.

Medidas do domínio

Para que os padrões possam apoiar soluções para o problema do baixo desempenho obtido no teste de matemática, é necessário considerar as preocupações acerca do domínio da questão abordada. O objetivo é formular medidas que captem informações e insiram o conhecimento de especialistas em educação.

Sob essa perspectiva, foram formuladas três medidas do domínio educacional. Assim, cada padrão obtido anteriormente será analisado com base nas seguintes medidas:

A abordagem consiste em indicar ações a serem desenvolvidas com base em cada padrão descoberto. A partir dessas ações, deve-se avaliar qual o custo para a sua implementação (C), qual o tempo necessário para que as ações possam resolver o problema envolvido (T) e, por fim, qual o nível de resistência do corpo docente para que as ações formuladas sejam colocadas em prática (R).

Nesses moldes de avaliação dos padrões, o julgamento humano é central, substituindo-se paradigmas automatizados de análises de dados. É importante ressaltar que, obviamente, outras medidas de interesse da temática educacional poderiam ser formuladas. No entanto, as aqui mencionadas permitem ilustrar o processo - uma prova de conceito - e fomentar uma discussão mais ampla relacionada à elaboração de políticas públicas na área da educação.

Inicialmente foram verificados quais padrões, entre os cinco identificados, permitiriam a elaboração de ações e, consequentemente, a avaliação das medidas C, T e R. Os autores do presente artigo consideraram, em um primeiro momento, a exclusão dos padrões P ₃ e P ₄ relacionados, respectivamente, ao funcionamento da escola e à experiência do professor. O primeiro, por apresentar um alto grau de complexidade no que tange à definição de ações, uma vez que abrange temas diversos, como insuficiência de recursos financeiros e pedagógicos, carência de apoio administrativo e de professores, alto índice de falta por parte de professores e alunos, alta rotatividade do corpo docente e indisciplina dos discentes. Já o construto referente à experiência do professor não foi considerado nas análises posteriores, pois avaliou-se que ações relacionadas a essa questão seriam restritas, uma vez que essa experiência está ligada diretamente ao tempo de atuação do profissional. Assim, haveria limitações relacionadas a ações sobre essa variável, visto que há grande dificuldade em agir sobre o tempo.

Portanto foi decidido priorizar intervenções visando à elevação da escolaridade dos pais, ao aumento da expectativa dos professores em relação à formação futura de seus alunos e ao incremento da frequência dos estudantes na escola. Cabe ressaltar que se pretende efetuar uma análise futura do padrão P ₃, sendo a escolha inicial de aprofundamento do estudo referente aos outros três padrões uma decisão puramente pragmática, baseada em um plano de desenvolvimento de pesquisa, visando à obtenção de diferentes resultados em etapas distintas.

Nessa prova de conceito, a formulação das intervenções partiu da ideia-base de contratar professores, com a mesma formação e carga horária de 40 horas semanais, para solucionar os três problemas, evidentemente atuando de modos distintos de acordo com cada situação. Dessa forma, fez-se a “normalização” da solução, buscando-se um recurso comum (o professor), com alocações diferenciadas em conformidade com cada caso. Assumiu-se, também, a hipótese de que as ações formuladas poderiam ser implementadas em escolas com a característica de ter até 60 alunos matriculados no 9º ano do ensino fundamental, situação encontrada em 58% das escolas públicas no estado do Rio de Janeiro, de acordo com análise das bases de dados do Inep relativas a 2013. Essa hipótese viabilizaria as ações recomendadas, uma vez que a alocação dos professores previstos seria suficiente para atendimento às demandas previstas. A seguir são descritas as ações para cada padrão.

Ações definidas

Escolaridade dos pais (P ₁ ): para elevar o nível de escolaridade, sugere-se a criação de cursos na modalidade Educação de Jovens e Adultos (EJA) seguindo-se o formato do já existente Programa Brasil Alfabetizado (BRASIL, 2011), do Governo Federal. Para isso, a escola deveria contratar três professores, sendo um para atuar na alfabetização, outro nos anos iniciais e um terceiro para os anos finais do ensino fundamental. O curso de alfabetização teria oito meses de duração com, no mínimo, 320 horas/aula; os segmentos dos anos iniciais e finais do ensino fundamental teriam a duração dos cursos de EJA, ou seja, quatro semestres (total de 24 meses), com carga horária de 1.600 horas.

Expectativa do professor quanto à formação futura dos alunos (P ₂ ): para aumentar a expectativa dos professores em relação ao sucesso na formação futura dos seus alunos, uma ação seria oferecer um curso (ou grupo de discussão) sobre o Efeito Rosenthal (^{ROSENTHAL; JACOBSON, 1966}), de modo a levar os participantes a refletir sobre a ideia de que, quanto maior a expectativa em relação a uma pessoa, melhor acaba sendo seu desempenho. Esse curso seria ministrado/conduzido por um professor, com a mesma carga horária semanal e base salarial da ação anterior, com o foco de sensibilizar os professores da escola a mudar sua postura com respeito à expectativa de formação futura dos seus alunos (não somente os professores de matemática, de forma a otimizar a alocação do professor contratado). Detalhes sobre essa questão podem ser encontrados em ^{Barbosa e Randall (2004}) e ^{Fonseca e Namen (2016}). Cabe ressaltar que, de modo empírico, ficou estabelecido, pelos especialistas que formularam essa proposta, que o curso tivesse duração de seis meses.

Frequência e fluxo escolar (P ₅ ): para ter compatibilidade com as duas primeiras ações e alcançar o objetivo de ampliar a frequência dos discentes na escola, propõe-se a contratação de dois professores para se dedicarem à elaboração de atividades estimulantes, com a organização de tarefas extracurriculares envolvendo atividades esportivas, culturais, entre outras. Consequentemente, a escola se tornaria mais atrativa. Além disso, essas atividades seriam oferecidas somente aos alunos com boas frequências, com o intuito de motivar a assiduidade dos estudantes faltosos. Diferentemente das ações anteriores, a contratação desses docentes seria por tempo indeterminado, ou seja, tratar-se-ia de atividade contínua. No entanto, para quantificar o custo, será considerado um período de 24 meses (tempo máximo dos cursos ofertados).

Assume-se que as ações definidas implicarão um nível igual de impacto positivo nas diferentes variáveis consideradas. Em outras palavras, parte-se da hipótese de que o grau de elevação no nível de escolaridade dos pais dos estudantes, na expectativa dos professores em seus alunos e na frequência dos discentes na escola, dar-se-á de forma idêntica, a partir das ações propostas relacionadas a essas três dimensões do problema.

As ações que envolvem os padrões P _z , com z = 1, 2 e 5, devem ser avaliadas pelas medidas C, T e R.

Cálculo das medidas do domínio

Inicialmente, é importante mencionar a notória dificuldade em quantificar o custo de cada ação proposta, uma vez que envolve várias variáveis inerentes a situações específicas. Nesta pesquisa, efetuou-se a normalização da solução por intermédio da contratação de professores. Desse modo, o custo foi calculado considerando somente uma variável: o salário do professor. Além disso, os docentes contratados têm a mesma carga horária semanal e base salarial. Por conseguinte, para comparar os custos relacionados às ações, basta observar o montante de meses envolvidos em cada uma. No entanto, para ilustrar mais concretamente a abordagem, foi considerado que o docente receberia o salário mensal de R$ 4.692,77 (vencimento básico de R$ 4.234,77, acrescido do auxílio alimentação no valor de R$ 458,00). Esse valor corresponde à remuneração de um professor do ensino básico, técnico e tecnológico do quadro permanente do Instituto Federal de Educação, Ciência e Tecnologia do Rio de Janeiro (IFRJ, 2016). Considerou-se um docente graduado com carga horária de 40 horas semanais e dedicação exclusiva.

Os valores das três medidas, para cada ação envolvendo cada padrão, são apresentados na Tabela 5.

Com relação ao custo, foi computado o salário dos professores ao longo dos meses de duração dos cursos propostos. Desse modo, para o padrão P ₁, foram considerados 56 meses (8 meses para o curso de alfabetização, 24 meses para cada uma das modalidades do ensino fundamental - anos iniciais e anos finais); para o padrão P ₂, foi considerado que o curso teria duração de 6 meses, conforme exposto na seção anterior; já para o padrão P ₅ contabilizou-se o salário de dois professores durante 24 meses, relembrando que os cálculos consideram a hipótese da contratação de professores para o atendimento de escolas que contenham, no máximo, 60 alunos matriculados no 9º ano.

A segunda medida consistiu em mensurar o tempo indispensável para resolver as questões relacionadas com o respectivo padrão analisado. Antes de executar uma política pública, é possível conjecturar o prazo para que ocorram melhorias. No contexto desta pesquisa, o tempo foi estimado com base na duração dos cursos e atividades propostas, bem como na expectativa de geração dos resultados esperados. Assim, em relação ao padrão P ₁, o período para que um progenitor (e/ou responsável legal) de um aluno entre na alfabetização e conclua o 9º ano é de 56 meses. Logo, após esse tempo, é possível elevar consideravelmente o nível de escolaridade. Para o padrão P ₂, considerou-se que, após 6 meses do curso de capacitação, seria possível visualizar o impacto da ação. Assim, o tempo necessário seria de 12 meses. Finalmente, para a ação, envolvendo o padrão P ₅, ao ser comparada com as ações dos dois itens anteriores, percebe-se que atividades visando a estimular a frequência regular dos alunos na escola têm impacto em menor tempo. Isso ocorre pois se acredita que é mais simples diminuir a diferença de faltas dos alunos do que modificar a rotina dos pais e a mentalidade dos docentes. Desse modo, pode-se conjecturar que os resultados positivos da implementação dessas atividades poderiam começar a ocorrer após seis meses do seu início.

A terceira medida analisada foi o nível de rejeição dos professores às decisões tomadas baseadas nos padrões analisados. Salienta-se que na análise aqui desenvolvida concentrou-se o foco apenas no nível de rejeição dos professores com respeito às decisões tomadas. Nesse sentido, poderia ser imaginada uma nova medida de domínio que considerasse o nível de rejeição da comunidade com relação às ações desenvolvidas. Especialmente no que tange às ações relacionadas aos padrões P ₁ e P ₅, que envolvem a participação de pais de alunos e alunos, a voz desses sujeitos também poderia ser ouvida, uma vez que seriam esses os alvos da ação. Contudo, no presente trabalho, a análise limitou-se à avaliação da aceitação por parte apenas dos docentes envolvidos nas ações.

Considerando essas limitações, em relação ao padrão P ₁, a ação foi classificada pelos autores do presente artigo como de baixa rejeição. Tal suposição pode ser justificada em virtude de o curso ser ofertado aos pais e não aos docentes. Além disso, os professores contratados serão devidamente remunerados conforme a carga horária de trabalho; portanto, acredita-se na baixa resistência dos docentes. Para o padrão P ₂, a ação foi rotulada como de média rejeição, pois há maior resistência do professor quando se sugere sua participação em cursos de capacitação/formação. Essa afirmação pode ser interligada com suas intensificadas jornadas de trabalho. Conforme abordado por ^{Barbosa (2011}), a desvalorização do professor brasileiro faz com que os docentes trabalhem em várias escolas ou até mesmo tenham outras profissões para adquirir melhor remuneração. Em consequência, falta-lhes tempo para se comprometerem em outras atividades e investir no seu aprimoramento como educadores. Por fim, para o padrão P ₅, a ação para aumentar a frequência regular dos alunos na escola foi classificada como de rejeição muito baixa. Observa-se que há coerência em se ter resistência inferior às demais, uma vez que as atividades estimulantes têm impacto sobre a rotina dos discentes (e não dos docentes) e os professores contratados para sua elaboração/organização serão devidamente remunerados para exercer essa função.

Como comentários gerais, ao observar a Tabela 5, pode-se notar que a ação relacionada ao padrão P ₁, elevar o nível de escolaridade dos pais, foi a que apresentou o maior custo para ser implementada e o maior tempo para gerar resultados; a política para o padrão P ₅, atividades para estimular a assiduidade dos alunos na escola, requisitou o menor prazo para acarretar em melhorias e apresentou menor rejeição do que as demais; já a intervenção para o padrão P ₂, sensibilizar para o aumento de expectativa dos professores, teve o menor custo, porém apontou maior rejeição por parte dos professores em aceitá-la.

Para padronizar as medidas Custo, Tempo e Rejeição, os valores foram transformados para números entre 0 e 1 e, em seguida, unificados, para se obter um valor que sintetizasse todas as três informações [mais detalhes em ^{Fonseca (2018})]. Para essa unificação, poderiam ser dados pesos distintos para as diferentes medidas. Neste trabalho, como o objetivo é exemplificar a utilização de medidas orientadas pelo domínio, aplicou-se simplesmente uma média aritmética, isto é, a medida do domínio é

Após os cálculos, obteve-se MD(P ₁) = 0,75, MD(P ₂) = 0,27 e MD(P ₅) = 0,32. Tais valores expressam que, em termos de custo, tempo e rejeição, o padrão tem ações mais viáveis de serem implementadas e promissoras de êxito, seguido, em termos de viabilidade, por ações relacionadas ao padrão P ₅ e, por fim, por intervenções para os problemas relacionados a P ₁.

Trade-off entre medidas técnicas e do domínio

Diferentemente da mineração de dados tradicional, em D³M busca-se efetuar o trade-off entre medidas técnicas e medidas do domínio. Conforme discutido, a medida técnica, responsável por ordenar os padrões, é a porcentagem mínima de alunos da classe Nota Alta que se encontram nas duas categorias que representam o melhor cenário. Por intermédio do algoritmo Naïve Bayes, foi obtido que MT(P ₁) = 0,66, MT(P ₂) = 0,63 e MT(P ₅) = 0,58.

É importante ressaltar que as medidas têm sentido oposto, ou seja, quanto maior o valor da medida técnica, melhores são os resultados; em contrapartida, a medida do domínio estabelece que a ação seja mais viável quanto menor for o valor associado ao padrão.

Para efetuar o trade-off, podem-se estabelecer pesos distintos para definir a contribuição da medida técnica e do domínio. No entanto, nesta pesquisa, foi efetuada a média aritmética. Em termos matemáticos:

O fato de as medidas técnica e de domínio terem sentido oposto justifica o termo 1 - MD(P _z ) presente na equação anterior. Os valores das medidas, referentes a cada padrão, podem ser visualizados na Tabela 6.

Nota-se que, ao se analisar somente a medida técnica, o padrão relacionado à escolaridade dos pais teria prioridade sobre os demais, seguido do padrão referente à expectativa dos professores e, por fim, do padrão sobre a frequência dos discentes. No entanto, conforme mencionado, ao considerar ações para resolução dos problemas sob a visão do custo, do tempo para obtenção de resultados e da resistência do professor, isto é, levando-se em consideração aspectos cruciais à temática e presentes no dia a dia do tomador de decisões, há uma nova ordem de relevância. Pensando em ações versus viabilidade para a solução de questões educacionais, buscou-se nessa prova de conceito considerar os dois aspectos, cujo resultado pode ser observado por meio da “Medida Final”. Observa-se que a intervenção considerada mais promissora foi o oferecimento de uma capacitação aos professores, com o intuito de sensibilizá-los no sentido de aumentar suas expectativas em relação ao potencial de seus alunos e à possibilidade de continuidade nos estudos com sucesso. Ficou avaliado, em segundo lugar na viabilidade, elaborar atividades para os discentes de modo a gerar maior regularidade na frequência à escola e, por fim, restou implementar cursos para elevar o nível de escolaridade dos pais.

Aspectos críticos

Inúmeros estudos apontam que, quanto maior o nível de escolaridade dos pais, melhor o desempenho de seus filhos (^{JESUS; LAROS, 2004}; ^{ORTIGÃO; AGUIAR, 2013}; ORTIGÃO; FRANCO; CARVALHO, 2007). Notoriamente, as consequências extrapolam a sala de aula e o êxito acadêmico, acarretando, futuramente, sucesso profissional. Logo, diferenças no nível educacional das famílias são determinantes para a persistência da desigualdade de rendimentos (^{REIS; RAMOS, 2011}).

Diante do exposto, é evidente a necessidade de investimento na educação de jovens e adultos. A realidade é que 13 milhões de brasileiros com mais de 15 anos ainda não sabem ler ou escrever, conforme aponta a Pesquisa Nacional por Amostra de Domicílios (Pnad) mais recente, realizada em 2014 (BRASIL, 2016). Em contrapartida, há uma discussão sobre a complexidade em se mensurar o impacto econômico da alfabetização, o que torna questionável o alto investimento em programas destinados a jovens e adultos.

Devido ao fato de os gestores perceberem tais dificuldades, é crescente a discussão de como a escola brasileira pode compensar a baixa escolaridade dos pais. Nesse sentido, soluções como capacitação do corpo docente e ampliação dos alunos em atividades de aprendizagem são frequentes nos debates acerca desse assunto. Apesar dessas compensações, os investimentos em educação de jovens e adultos não podem ser desencorajados. Os autores deste artigo compartilham a ideia de que devem ser considerados aspectos além do econômico, tratando-se, mais do que disso, de uma questão de justiça social.

Outro resultado constatado nesta pesquisa foi a importância de sensibilizar os professores para o chamado efeito Rosenthal. Diversas outras pesquisas também corroboram a relação entre expectativa dos docentes e desempenho dos alunos (^{BARBOSA; RANDALL, 2004}; ^{FONSECA; NAMEN, 2016}; ^{ROSENTHAL; JACOBSON, 1966}). Conforme discutido nessas referências, muitas são as razões para a baixa crença dos professores em seus alunos, como a própria desmotivação com a profissão, decorrente dos baixos salários e altas jornadas de trabalho, da falta de infraestrutura e recursos da escola, de uma gestão escolar autoritária, da falta de interesse da turma em relação aos temas abordados, da indisciplina e alto índice de absenteísmo, bem como do contexto sociocultural em que os alunos estão inseridos.

Enfatizando esse último aspecto, um importante estudo efetuado por ^{Damian (2006}), ao entrevistar professores de escolas da periferia da cidade de Pelotas, Rio Grande do Sul, constatou que os docentes, atuantes em comunidades com problemas sociais, como a pobreza e as adversidades de ordem emocional dela decorrentes, esperam desempenho inferior dos seus alunos. A autora relata que, nessas condições, a baixa expectativa dos professores era transmitida aos discentes por meio do discurso da educação compensatória (suprir as carências físicas, afetivas, intelectuais e escolares), no qual os conteúdos acadêmicos são colocados em segundo plano. Em contrapartida, professores que lecionam para alunos que não estão nessas condições esperam que esses sejam bem-sucedidos. Essa expectativa positiva era repassada aos discentes por intermédio do discurso instrucional. Consequentemente, os estudantes nesses moldes atingem melhores resultados e alcançam níveis mais altos no sistema educacional.

Portanto, apesar de se apontar um processo de capacitação/formação para os docentes como uma ação com melhor relação custo-benefício do que as demais, é importante salientar que a expectativa é decorrente de uma série de fatores extraescolares, configurando-se um grande desafio torná-la positiva. Ademais, ressalta-se que há limitações na assunção, feita pelos autores, de que haveria média resistência dos professores à capacitação. Dependendo do perfil da escola, de seu diretor e do próprio docente, essa resistência poderia ser bem mais acentuada, devido à questão da disponibilidade de tempo ou mesmo de motivação do professor para participar da capacitação.

Por fim, a ação visando à frequência regular dos alunos na escola foi superior à intervenção referente ao aumento da escolaridade dos pais, mas inferior à ação para elevar a crença dos professores em relação à formação futura de seus alunos. Discussões acerca do absenteísmo dos discentes são frequentes na literatura, como pode ser visto na pesquisa efetuada por ^{Vasconcellos e Mattos (2011}). Os autores relatam que mecanismos de controle não têm assegurado a presença dos alunos, sendo, portanto, um problema difícil de ser enfrentado.

O trabalho aqui desenvolvido propôs uma ação com o intuito de tornar o currículo mais atrativo, elaborando atividades que estimulassem a frequência dos estudantes. Contudo, é importante ressaltar que essa ação deveria ser realizada em conjunto com outras intervenções, tais como o estabelecimento de parceria família-escola na mediação de conflitos e no estímulo à presença na escola, bem como no incremento do diálogo entre professores e discentes para entender as possíveis causas das frequentes faltas.

Apesar desses aspectos críticos, a mineração de dados guiada pelo conhecimento do domínio educacional aqui conduzida permitiu a extração de três padrões, de fato, úteis, ou seja, capazes de apoiar a resolução dos problemas por meio de ações. As políticas sugeridas poderiam contribuir para a mudança do status crítico, no qual cerca de 90% dos estudantes do 9º ano não são proficientes em matemática, em direção a um melhor status. Acredita-se que a abordagem aplicada, que agrega métricas estatísticas com métricas orientadas pelo domínio educacional, construídas com o apoio de especialistas nessa temática, possibilita a obtenção de melhores resultados.