Análise de cluster da evasão escolar em escolas públicas de Goiás: segmentação e implicações para políticas educacionais
Cluster Analysis of school dropout in public schools of Goiás: segmentation and implications for educational policies
DOI:
https://doi.org/10.22167/2675-441X-2025834Palavras-chave:
abandono escolar, desempenho escolar, políticas públicas, segmentação municipalResumo
A evasão escolar é um fator que impacta substancialmente o sistema educacional e a compreensão e redução de suas taxas são fundamentais ao desenvolvimento social. Este estudo teve como objetivo identificar padrões de evasão escolar na rede pública do estado de Goiás, a fim de orientar a elaboração de políticas públicas voltadas à redução desses índices. Para isso, 246 municípios foram agrupados com base em suas taxas de evasão nos ensinos Fundamental e Médio, no período de 2019 a 2020. A identificação de padrões foi feita utilizando a análise de “cluster”. As taxas de evasão em diferentes etapas foram consideradas complexas e muito variáveis, com destaque para os anos finais do Ensino Fundamental e iniciais do Ensino Médio, com alguns “clusters” apresentando taxas abaixo da média nacional. As implicações práticas foram evidentes, com recomendações para intervenções direcionadas em “clusters” específicos e pontos atípicos identificados. Os resultados registrados fornecem subsídios para a orientação de políticas e estratégias educacionais mais eficazes no combate à evasão escolar.
Referências
Constituição da República Federativa do Brasil de 1988. 1988. Brasília, DF. Disponível em: http://www.planalto.gov.br/ccivil_03/constituicao/constituicao.htm. Acesso em: 10 jan. 2025.
Moura, F.A.; Mandarino, P.H.P.; Silva, S.C.P. 2020. Evasão escolar no ensino superior: Análise quantitativa no curso de licenciatura em física do IFPA Campus Bragança. Revista Brasileira de Ensino de Física 42: e20200044. https://doi.org/10.1590/1806-9126-RBEF-2020-0044. DOI: https://doi.org/10.1590/1806-9126-rbef-2020-0044
Baggi, C.A.S.; Lopes, D.A. 2011. Evasão e avaliação institucional no ensino superior: uma discussão bibliográfica. Avaliação: Revista da Avaliação da Educação Superior (Campinas) 16(2): 355–374. https://doi.org/10.1590/S1414-40772011000200007. DOI: https://doi.org/10.1590/S1414-40772011000200007
Inteligência em Pesquisa e Consultoria Estratégica [Ipec]. 2022. Educação brasileira em 2022 – a voz de adolescentes. Disponível em: <https://www.Unicef.org/brazil/relatorios/educacao-brasileira-em-2022-a-voz-de-adolescentes>. Acesso em: 28 fev. 2023.
Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira [Inep]. 2017. Nota técnica n°8/2017/CGCQTI/DEED. Disponível em: <https://download.inep.gov.br/informacoes_estatisticas/indicadores_educacionais/2007_2016/nota_tecnica_ taxas_transicao_2007_2016.pdf>. Acesso em: 10 mai. 2023.
Colpani, R. 2018. Mineração de dados educacionais: um estudo da evasão no Ensino Médio com base nos indicadores do censo escolar. Informática na educação: teoria & prática 21: 143-157. https://doi.org/10.22456/1982-1654.87880. DOI: https://doi.org/10.22456/1982-1654.87880
Falqueto, A.A.; Cezar, L.C. 2022. Segmentação via machine learning: proposta de clusterização de consumidores do e-commerce de uma empresa multinacional do varejo esportivo. Holos 38 (4): 01-19. https://doi.org/10.15628/holos.2022.12032. DOI: https://doi.org/10.15628/holos.2022.12032
Richardson, R.J. 2012. Pesquisa social: métodos e técnicas. 3ed. Atlas, São Paulo, SP, Brasil.
Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira [Inep]. 2020. Inep Data. Disponível em: https://www.gov.br/inep/pt-br/acesso-a-informacao/dados-abertos/indicadores-educacionais/taxas-de-transicao. Acesso em: 10 mai. 2023.
Fávero, L.P.; Belfiore, P. 2017. Manual de análise de dados: estatística e modelagem multivariada com excel, SPSS e Stata. 1ed. Gen LTC, Barueri, SP, Brasil.
Bholowalia, P.; Kumar, A. 2014. EBK-Means: A Clustering Technique based on Elbow Method and K-Means in WSN International Journal of Computer Applications 105: 17-24. DOI: 10.5120/18405-9674.
Fávero, L.P.; Belfiore, P.P.; Silva, F.L.; Chan, B.L. 2009. Análise de dados: modelagem multivariada de dados para tomada de decisões. 6ed. Elsevier, Rio de Janeiro, RJ, Brasil.
Comitê Técnico da Educação do Instituto Rui Barbosa [CTE-IRB]; Interdisciplinaridade e Evidências no Debate Educacional [IEDE]; Tribunais de Contas [TC]. 2021. Permanência escolar na pandemia. Disponível em: <https://www.tcesc.tc.br/sites/default/files/202111/PEP-DIAGRAMAC%CC%A7A%CC%83O-FINALIZADO%20%285%29%20%281%29.pdf>. Acesso em: 03 ago. 2023.
Atlas da juventude. 2021. Atlas da juventude: evidências para a transformação das juventudes. Disponível em: <https://atlasdasjuventudes.com.br/wp-content/uploads/2021/11/ATLAS-DAS-JUVENTUDES-2021-COMPLETO.pdf>. Acesso em: 07 ago. 2023.
Silva Filho, R.B.; Araújo, R.M.L. 2017. Evasão e abandono escolar na educação básica no Brasil: fatores, causas e possíveis consequências. Educação por escrito 8(1): 35-48. https://doi.org/10.15448/2179-8435.2017.1.24527. DOI: https://doi.org/10.15448/2179-8435.2017.1.24527
Ferreira, J.C.; Patino, C.M. 2015. O que realmente significa o valor-p? Jornal Brasileiro de Pneumologia 41(5): 485-485. https://doi.org/10.1590/S1806-37132015000000215. DOI: https://doi.org/10.1590/S1806-37132015000000215
Bitencourt, W.A.; Silva, D.M.; Xavier, G.D.C. 2021. Pode a inteligência artificial apoiar ações contra evasão escolar universitária? Ensaio: Avaliação e Políticas Públicas em Educação 30(116): 669-694. https://doi.org/10.1590/S0104-403620220003002854. DOI: https://doi.org/10.1590/s0104-403620220003002854
Ferreira, E.C.S.; Oliveira, N.M. 2020. Evasão escolar no ensino médio: causas e consequências. Scientia Generalis 1(2): 39-48.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2025 Quaestum
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial 4.0 International License.
