Inteligência Artificial Explicável (XAI) Aplicada ao SAEB: uma análise preditiva dos fatores que influenciam o desempenho estudantil
DOI:
https://doi.org/10.22456/1679-1916.153549Keywords:
Inteligência Artificial Explicável, Mineração de Dados Educacionais, SAEB, Desempenho Estudantil, Políticas EducacionaisAbstract
A opacidade de modelos preditivos de desempenho estudantil limita sua utilidade para a formulação de políticas públicas. Este artigo aborda essa lacuna ao aplicar Inteligência Artificial Explicável (XAI) para diagnosticar os vetores da desigualdade educacional no Brasil, analisando microdados do SAEB com um modelo eXtreme Gradient Boosting (XGBoost) interpretado pela técnica SHAP. Os resultados hierarquizam um conjunto complexo de fatores, revelando que, além de variáveis socioeconômicas e de capital cultural do aluno (como raça e incentivo familiar), fatores ligados ao perfil docente (formação do professor e qualificação) emergem como preditores de alto impacto no desempenho estudantil. Conclui-se que a metodologia XAI oferece um mapa detalhado e acionável da desigualdade, fornecendo evidências para políticas públicas que vão desde a inclusão digital, engajamento familiar e a valorização da carreira docente.
Downloads
Downloads
Published
How to Cite
Issue
Section
License
Os autores dos artigos publicados na RENOTE retém os direitos autorais de suas obras e autorizam o CINTED/UFRGS a publicá-las de acordo com os termos da licença Creative Commons Attribution-NonComercial 4.0 International Public License (CC BY-NC-SA 4.0). Dessa forma, fica permitido aos autores ou a terceiros a reprodução ou distribuição, em parte ou no todo, de material extraído dessas obras, de forma verbatim, adaptada ou remixada, bem como a criação ou produção a partir do conteúdo dessas obras, para fins não comerciais, desde que sejam atribuídos os devidos créditos às criações originais. Cópias das obras não devem ser utilizadas de nenhum modo que implique o endosso da UFRGS. Sendo assim, os autores que publicam nesta revista concordam com os seguintes termos:- Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
- Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
- Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).
