Análise de perfis de estudantes no ENEM considerando hábitos de estudo
DOI:
https://doi.org/10.22456/1982-1654.153429Palavras-chave:
Pandemia, hábitos de estudo, desempenho estudantil, perfis de estudantes, aprendizado não supervisionadoResumo
AGRAWAL, R.; MANNILA, H.; SRIKANT, R.; TOIVONEN, H.; VERKAMO, A. I. Fast discovery of association rules. In: FAYYAD, U. M.; PIATETSKY-SHAPIRO, G.; SMYTH, P.; UTHURUSAMY, R. (ed.). Advances in knowledge discovery and data mining. Cambridge, MA: MIT Press, 1996. p. 307–328.
ALPAYDIN, E. Introduction to machine learning. 3. ed. Cambridge, MA: MIT Press, 2014.
ARGÔLO, R. F. Determinantes de desempenho dos estudantes do ensino superior: o caso do curso de Psicologia da UFBA. 2017. Dissertação (Mestrado em Psicologia) – Universidade Federal da Bahia, Salvador, 2017. Disponível em: https://repositorio.ufba.br/handle/ri/23984. Acesso em: 11 set. 2025.
CUNHA, L. F. F.; SILVA, A. S.; SILVA, A. P. O ensino remoto no Brasil em tempos de pandemia: diálogos acerca da qualidade e do direito e acesso à educação. Revista Com Censo, Brasília, v. 7, n. 3, p. 27–37, 2020. Disponível em: https://periodicos.se.df.gov.br/index.php/comcenso/article/view/924. Acesso em: 9 set. 2025.
DUTRA, J. F.; FIRMINO JÚNIOR, J. B.; FERNANDES, D. Y. de S. Fatores que podem interferir no desempenho de estudantes no ENEM: uma revisão sistemática da literatura. Revista Brasileira de Informática na Educação, v. 31, p. 323–351, 2023. DOI: https://doi.org/10.5753/rbie.2023.3087.
ELMASRI, R.; NAVATHE, S. B. Sistemas de banco de dados. 6. ed. São Paulo: Pearson, 2011.
FACELI, K.; LORENA, A. C.; GAMA, J.; CARVALHO, A. C. P. L. F. de. Inteligência artificial: uma abordagem de aprendizado de máquina. Rio de Janeiro: LTC, 2021.
FRANCO, J. J.; MIRANDA, F. L. de A.; STIEGLER, D.; DANTAS, F. R.; BRANCHER, J. D.; NOGUEIRA, T. do C. Usando mineração de dados para identificar fatores mais importantes do Enem dos últimos 22 anos. In: SIMPÓSIO BRASILEIRO DE INFORMÁTICA NA EDUCAÇÃO, 31., 2020, Porto Alegre. Anais [...]. Porto Alegre: SBC, 2020. p. 1112–1121. DOI: https://doi.org/10.5753/cbie.sbie.2020.1112.
HAN, J.; KAMBER, M.; PEI, J. Data mining: concepts and techniques. 3. ed. Waltham: Morgan Kaufmann, 2012.
HIPP, J.; GÜNTZER, U.; NAKHAEIZADEH, G. Algorithms for association rule mining - a general survey and comparison. ACM SIGKDD Explorations Newsletter, v. 2, n. 1, p. 58–64, 2000. DOI: https://doi.org/10.1145/360402.360421.
INEP. Microdados do ENEM 2022. Brasília: INEP, 2022. Disponível em: https://www.gov.br/inep/pt-br/acesso-a-informacao/dados-abertos/microdados/enem. Acesso em: 28 jul. 2025.
INEP. Painel apresenta pesquisa sobre estudo na pandemia. Brasília, DF: Ministério da Educação, 2023. Disponível em: https://www.gov.br/inep/pt-br/assuntos/noticias/enem/painel-apresenta-pesquisa-sobre-estudo-na-pandemia. Acesso em: 23 jul. 2025.
KISSLER, S. M.; TEDIJANTO, C.; LIPSITCH, M.; GRAD, Y. H. Social distancing strategies for curbing the COVID-19 epidemic [preprint]. medRxiv, 2020. DOI: https://doi.org/10.1101/2020.03.22.20041079.
NASCIMENTO, N. F. B. C.; RODRIGUES, R. L.; BARROS, M. A. M.; RODRIGUES, K. C. Identificação de autorregulação da aprendizagem em formulário de hábitos de estudo do ENEM. RENOTE, Porto Alegre, v. 23, n. 1, p. 539–549, 2025.
DOI: https://doi.org/10.22456/1679-1916.149299.
PEDREGOSA, F.; VAROQUAUX, G.; GRAMFORT, A.; MICHEL, V.; THIRION, B.; GRISEL, O.; BLONDEL, M.; PRETTENHOFER, P.; WEISS, R.; DUBOURG, V.; VANDERPLAS, J.; PASSOS, A.; COURNAPEAU, D.; BRUCHER, M.; PERROT, M.; DUCHESNAY, É. Scikit-learn: machine learning in Python. Journal of Machine Learning Research, v. 12, p. 2825–2830, 2011. Disponível em: https://www.jmlr.org/papers/volume12/pedregosa11a/pedregosa11a.pdf. Acesso em: 14 out. 2025.
RAMOS, J. L. C.; RODRIGUES, R. L.; SILVA, J. C. S.; OLIVEIRA, P. L. S. de. CRISP-EDM: uma proposta de adaptação do Modelo CRISP-DM para mineração de dados educacionais. In: SIMPÓSIO BRASILEIRO DE INFORMÁTICA NA EDUCAÇÃO, 31., 2020, Porto Alegre. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2020. p. 1092–1101. DOI: https://doi.org/10.5753/cbie.sbie.2020.1092
SILVA, V. A. A.; MORENO, L. L. O.; GONÇALVES, L. B.; SOARES, S. S. R. F.; SOUZA JÚNIOR, R. R. Identificação de desigualdades sociais a partir do desempenho dos alunos do ensino médio no ENEM 2019 utilizando mineração de dados. In: SIMPÓSIO BRASILEIRO DE INFORMÁTICA NA EDUCAÇÃO (SBIE), 31., 2020, Online. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2020. p. 72–81. DOI: https://doi.org/10.5753/cbie.sbie.2020.72.
SILVA FILHO, R. L. C.; ADEODATO, P. J. L. Data mining solution for assessing the secondary school students of Brazilian federal institutes. In: BRAZILIAN CONFERENCE ON INTELLIGENT SYSTEMS, 2019, Salvador, Brazil. Proceedings. Salvador: IEEE, 2019. p. 574–579. DOI: https://doi.org/10.1109/BRACIS.2019.00106.
SOARES, R. de A.; SILVA, G. A. Regulamentos da EaD no Brasil e o Impacto da Portaria Nº 343/2020 no Ensino Superior. EaD em Foco, v. 10, n.3, e1043, 2020. DOI: https://doi.org/10.18264/eadf.v10i3.1043.
SOUSA LIMA, A. M.; CHOQUENAIRA FLOREZ, A. Y.; ASPAUZA LESCANO, A. I.; OLIVEIRA NOVAES, J. V. de; FATIMA MARTINS, N. de; TRAINA JUNIOR, C.; PARROS MACHADO DE SOUSA, E.; RODRIGUES JUNIOR, J. F.; FERREIRA CORDEIRO, R. L. Analysis of ENEM’s attendants between 2012 and 2017 using a clustering approach. Journal of Information and Data Management, [S. l.], v. 11, n. 2, p. 15–130. 2020. DOI: https://doi.org/10.5753/jidm.2020.2023.
SOUZA, M. de; KLUG, D. L. Desigualdades educacionais no Enem: uma perspectiva baseada em variáveis socioeconômicas e aprendizagem de máquina. Regae: Revista de Gestão e Avaliação Educacional, Santa Maria, v. 14, n. 23, e93251, 2025. DOI: https://doi.org/10.5902/2318133893251.
WEBER NETO, N.; SOARES, R. C.; COUTINHO, L. R.; TELES, A. S. Análise Exploratória de Dados para Identificar o Impacto da Pandemia da COVID-19 no ENEM dos Estados do Ceará, Maranhão e Piauí. In: ESCOLA REGIONAL DE COMPUTAÇÃO DO CEARÁ, MARANHÃO E PIAUÍ, 2022, São Luís, MA. Anais […]. Porto Alegre: Sociedade Brasileira de Computação, 2022a. p. 31–40. DOI: https://doi.org/10.5753/ercemapi.2022.225842.
WEBER NETO, N.; SOARES, R. C.; COUTINHO, L. R.; TELES, A. S. A pandemia da COVID-19 impactou o ENEM? Uma análise comparativa de dados dos anos de 2019 e 2020. RENOTE, Porto Alegre, v. 20, n. 1, p. 223–232, 2022b. DOI: https://doi.org/10.22456/1679-1916.126655.
WEBER NETO, N.; SOARES, R. C.; COUTINHO, L. R.; TELES, A. S. Data Analysis to Identify the Impact of the COVID-19 Pandemic on ENEM in 3 States of Northeast Brazil. Revista de Sistemas e Computação, v. 12, n. 3, p. 35–44. 2022c. DOI: https://doi.org/10.36558/rsc.v12i3.7919.
ZAKI, M. J.; MEIRA JUNIOR, W. Data mining and machine learning: fundamental concepts and algorithms. 2. ed. Cambridge: Cambridge University Press, 2020.
ZIMMERMAN, B. J. Attaining self-regulation: a social cognitive perspective. In: BOEKAERTS, M.; PINTRICH, P.; ZEIDNER, M. (org.). Handbook of self-regulation. San Diego: Academic Press, 2000. p. 13-39. DOI: https://doi.org/10.1016/B978-012109890-2/50031-7.
Downloads
Referências
AGRAWAL, R.; MANNILA, H.; SRIKANT, R.; TOIVONEN, H.; VERKAMO, A. I. Fast discovery of association rules. Advances in Knowledge Discovery and Data Mining, v. 12, n. 1, p. 307–328, 1996.
ALPAYDIN, E. Introduction to machine learning. 3. ed. Cambridge: MIT Press, 2020.
ARGÔLO, R. Determinantes de desempenho dos estudantes do ensino superior: o caso do curso de Psicologia da UFBA. 2020. Dissertação (Mestrado em Psicologia) – Universidade Federal da Bahia, Salvador, 2020. Disponível em: https://repositorio.ufba.br/bitstream/ri/23984/1/Disserta%C3%A7%C3%A3o%20Mestrado%20-%20Rodrigo%20Arg%C3%B4lo%20-%20CORRIGIDA.pdf. Acesso em: 9 set. 2025.
BALDERRAMA, L. T.; LIMA, D. A. Insights into factors influencing academic success: an application of classification models in higher education. Artificial Intelligence and Applications, v. 2, p. 247–256, 2024. DOI: https://doi.org/10.47852/bonviewAIA32021465.
BRASIL. Ministério da Educação. Portaria nº 343, de 17 de março de 2020. Disponível em:https://www.planalto.gov.br/CCIVIL_03/Portaria/PRT/Portaria%20n%C2%BA%20343-20-mec.htm. Acesso em: 17 jul. 2025.
CUNHA, L. F. F.; SILVA, A. S.; SILVA, A. P. O ensino remoto no Brasil em tempos de pandemia. Revista Com Censo, v. 7, n. 3, p. 27–37, 2020. Disponível em: https://periodicos.se.df.gov.br/index.php/comcenso/article/view/924. Acesso em: 9 set. 2025.
ELMASRI, R.; NAVATHE, S. B. Sistemas de banco de dados. 6. ed. São Paulo: Pearson, 2010.
FACELI, K. et al. Inteligência artificial: uma abordagem de aprendizado de máquina. Rio de Janeiro: LTC, 2021.
FRANCO, J. J. et al. Usando mineração de dados para identificar fatores mais importantes do ENEM dos últimos 22 anos. In: SIMPÓSIO BRASILEIRO DE INFORMÁTICA NA EDUCAÇÃO, 31., 2020. Anais… Porto Alegre: SBC, 2020. p. 1112–1121. DOI: https://doi.org/10.5753/cbie.sbie.2020.1112. Acesso em: 3 out. 2025.
HAN, J.; KAMBER, M.; PEI, J. Data mining: concepts and techniques. 3. ed. Waltham: Morgan Kaufmann, 2012.
HIPP, J.; GÜNTZER, U.; NAKHAEIZADEH, G. Algorithms for association rule mining. ACM SIGKDD Explorations Newsletter, v. 2, n. 1, p. 58–64, 2000. DOI: https://doi.org/10.1145/360402.360421.
INEP. Leia-me ENEM 2022. Brasília: Inep, 2022. Disponível em: https://www.gov.br/inep/pt-br/acesso-a-informacao/dados-abertos/microdados/enem. Acesso em: 28 jul. 2025.
INEP. Painel apresenta pesquisa sobre estudo na pandemia. Brasília: Ministério da Educação, 2023. Disponível em: https://www.gov.br/inep/pt-br/assuntos/noticias/enem/painel-apresenta-pesquisa-sobre-estudo-na-pandemia. Acesso em: 23 jul. 2025.
KAUFMAN, L.; ROUSSEEUW, P. J. Finding groups in data: an introduction to cluster analysis. New York: Wiley, 1990.
KELLEHER, J. D.; MAC NAMEE, B.; D’ARCY, A. Fundamentals of machine learning for predictive data analytics. Cambridge: MIT Press, 2020.
KISSLER, S. M. et al. Social distancing strategies for curbing the COVID-19 epidemic. medRxiv, 2020. DOI: https://doi.org/10.1101/2020.03.22.20041079.
LIMA, A. M. S. et al. Analysis of ENEM’s attendants between 2012 and 2017. Journal of Information and Data Management, v. 11, n. 2, 2021. DOI: https://doi.org/10.5753/jidm.2020.2023.
MÜLLER, A. C.; GUIDO, S. Introduction to machine learning with Python. Sebastopol: O’Reilly, 2016.
PEDREGOSA, F. et al. Scikit-learn: machine learning in Python. Journal of Machine Learning Research, v. 12, p. 2825–2830, 2011. Disponível em: https://www.jmlr.org/papers/volume12/pedregosa11a/pedregosa11a.pdf. Acesso em: 14 out. 2025.
PEREIRA JUNIOR, L.; MATOS, S. N.; BORGES, H. B. Análise dos perfis de alunos do ensino superior durante a pandemia. RENOTE, v. 18, n. 2, p. 336–345, 2021. DOI: https://doi.org/10.22456/1679-1916.110252.
PIRES, A. R. Renda familiar e escolaridade dos pais. Educação Temática Digital, v. 17, n. 3, p. 523–541, 2015. DOI: https://doi.org/10.20396/etd.v17i3.8638262.
RAMOS, J. et al. CRISP-EDM: uma adaptação do CRISP-DM para mineração de dados educacionais. In: SIMPÓSIO BRASILEIRO DE INFORMÁTICA NA EDUCAÇÃO, 31., 2020. Anais… Porto Alegre: SBC, 2020. p. 1092–1101. DOI: https://doi.org/10.5753/cbie.sbie.2020.1092.
ROMERO, C.; ROMERO, J. R.; VENTURA, S. A survey on pre-processing educational data. In: ROMERO, C. et al. (org.). Educational Data Mining: Applications and Trends. Cham: Springer, 2014. p. 29–64. DOI: https://doi.org/10.1007/978-3-319-02738-8_2.
SILVA FILHO, R. L. C.; ADEODATO, P. J. L. Data mining solution for assessing Brazilian federal institutes. In: BRAZILIAN CONFERENCE ON INTELLIGENT SYSTEMS, 2019. Proceedings… p. 574–579. DOI: https://doi.org/10.1109/BRACIS.2019.00106.
SILVA, V. A. A. et al. Identificação de desigualdades sociais no ENEM 2019. In: SIMPÓSIO BRASILEIRO DE INFORMÁTICA NA EDUCAÇÃO, 31., 2020. Anais… Porto Alegre: SBC, 2020. p. 72–81. DOI: https://doi.org/10.5753/cbie.sbie.2020.72.
SOARES, R. A.; SILVA, G. A. Regulamentos da EaD no Brasil e o impacto da Portaria nº 343/2020. EaD em Foco, v. 10, n. 3, 2020. DOI: https://doi.org/10.18264/eadf.v10i3.1043.
SOUSA LIMA, A. M.; CHOQUENAIRA FLOREZ, A. Y.; ASPAUZA LESCANO, A. I.; OLIVEIRA NOVAES, J. V. de; FATIMA MARTINS, N. de; TRAINA JUNIOR, C.; PARROS MACHADO DE SOUSA, E.; RODRIGUES JUNIOR, J. F.; FERREIRA CORDEIRO, R. L. Analysis of ENEM’s attendants between 2012 and 2017 using a clustering approach. Journal of Information and Data Management, [S. l.], v. 11, n. 2, p.
15–130. 2020.
SOUZA, M. de; KLUG, D. L. Desigualdades educacionais no Enem: uma perspectiva baseada em variáveis socioeconômicas e aprendizagem de máquina. Regae: Revista de Gestão e Avaliação Educacional, Santa Maria,
v. 14, n. 23, e93251, 2025.
WEBER NETO, N. et al. Data analysis to identify the impact of COVID-19 on ENEM. Revista de Sistemas e Computação, v. 12, n. 3, 2023. DOI: https://doi.org/10.36558/rsc.v12i3.7919.
WEBER NETO, N. et al. Análise exploratória de dados sobre o impacto da COVID-19 no ENEM. In: ESCOLA REGIONAL DE COMPUTAÇÃO DO CEARÁ, MARANHÃO E PIAUÍ, 2022. Anais… Porto Alegre: SBC, 2022a. p. 31–40. DOI: https://doi.org/10.5753/ercemapi.2022.225842.
WEBER NETO, N. W. et al. A pandemia da COVID-19 impactou o ENEM? RENOTE, v. 20, n. 1, p. 223–232, 2022b. DOI: https://doi.org/10.22456/1679-1916.126655.
ZAKI, M. J.; MEIRA JUNIOR, W. Data mining and machine learning. Cambridge: Cambridge University Press, 2020.
ZIMMERMAN, B. J. Attaining self-regulation: a social cognitive perspective. In: BOEKAERTS, M.; PINTRICH, P.; ZEIDNER, M. (org.). Handbook of self-regulation. San Diego: Academic Press, 2000. p. 13-39. DOI: https://doi.org/10.1016/B978-012109890-2/50031-7.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Os direitos autorais para artigos publicados nesta revista são do autor, com direitos de primeira publicação para a revista. Em virtude de aparecerem nesta revista de acesso público, os artigos são de uso gratuito, com atribuições próprias, em aplicações educacionais e não-comerciais. Os textos podem ser compartilhados desde que respeitados os direitos autorais sob a licença Creative Commons Não comercial-CompartilhaIgual 4.0.Aceito 2026-04-24
Publicado 2026-06-15
