Preditores do Desempenho em Matemática de Estudantes do Ensino Médio
DOI:
https://doi.org/10.1590/0102.3772e3638Palavras-chave:
Matemática, Ensino médio, Predição, Árvore de regressão, Exame Nacional do Ensino MédioResumo
Considerando a relevância da formação em matemática, assim como a evidência de preditores relacionados ao desempenho nesse domínio, realizou-se no presente estudo uma análise preditiva do desempenho matemático de inscritos no Exame Nacional do Ensino Médio de 2011, empregando a abordagem de Regressão em Árvore e um modelo com 53 preditores. Os resultados indicam que o modelo explicou 29,97% da variância do desempenho em matemática na amostra teste. Determinadas variáveis relacionam-se a um pior rendimento em matemática: renda familiar de até dois salários mínimos, sexo feminino, não ter cursado escolas particulares no ensino fundamental e no ensino médio, residir nas regiões Norte, Nordeste e Centro-Oeste, e estar altamente motivado para fazer o Exame para obter certificação ou bolsa de estudos. Os resultados obtidos salientam o papel de variáveis relacionadas ao indivíduo, à escola e à família como preditoras do desempenho em matemática.
Downloads
Referências
Akben-Selcuk, E. (2017). Personality, Motivation, and Math Achievement among Turkish Students: Evidence from PISA Data. Perceptual and Motor Skills, 124, 514-530. http://doi.org/10.1177/0031512516686505
Breiman, L., Friedman, J. H., Olshen, R. A., & Stone, C. J. (1984). Classification and regression trees. Chapman & Hall/CRC.
European Commission. (2011). Mathematics Education in Europe: Common Challenges and National Policies. Education, Audiovisual and Cultural Executive Agency, Eurydice.
Gomes, C. M. A., & Almeida, L. S. (2017). Advocating the Broad Use of the Decision Tree Method in Education. Practical Assessment, Research & Evaluation, 22(10), 1-10. https://doi.org/10.7275/2w3n-0f07
Gomes, C. M. A., Golino, H. F., & Peres, A. J. S. (2016). Investigando a Validade Estrutural das Competências do ENEM: Quatro Domínios Correlacionados ou Um Modelo Bifatorial? [Investigating the Structural Validity of the Competencies of ENEM: Four Correlated Domains or A Bifactorial Model?]. Boletim na Medida, 5(10), 33-38.
Gomes, C. M. A., Golino, H. F., & Peres, A. J. S. (2018). Análise da fidedignidade composta dos escores do ENEM por meio da análise fatorial de itens [Analysis of the Composite Reliability of the Scores of ENEM via Factor Analysis of Items]. European Journal of Education Studies, 5, 331-344. http://doi.org/10.5281/zenodo.2527904
Hampden-Thompson, G. (2013). Family Policy, Family Structure, and Children’s Educational Achievement. Social Science Research, 42, 804-817. http://doi.org/10.1037/0022-0663.95.1.124
Hanushek, A. E., & Woessmann, L. (2011). The Cost of Low Educational Achievement in the European Union (Report No. 7). European Expert Network on Economics of Education (EENEE). http://www.eenee.de/dms/EENEE/Policy_Briefs/PolicyBrief1-2011.pdf
Instituto Brasileiro de Geografia e Estatística (IBGE) (2019). Síntese de Indicadores Sociais: Uma Análise das Condições de Vida da População Brasileira [Synthesis of Social Indicators: An Analysis of the Living Conditions of the Brazilian Population]. https://biblioteca.ibge.gov.br/visualizacao/livros/liv101678.pdf
James, G., Witten, D., Hastie, T., & Tibshirani, R. (2013). An Introduction to Statistical Learning with Applications in R. Springer. https://doi.org/10.1007/978-1-4614-7138-7
Karakolidis, A., Pitsia, V., & Emvalotis, A. (2016). Examining Students’ Achievement in Mathematics: A Multilevel Analysis of the Programme for International Student Assessment (PISA) 2012 Data for Greece. International Journal of Educational Research, 79, 106-115. http://doi.org/10.1016/j.ijer.2016.05.013
Kuhn, M. (2017). caret: Classification and Regression Training. https://CRAN.Rproject.org/package=caret
Lantz, B. (2015). Machine Learning with R. Packt.
Laros, J. A., Marciano, J. L. P., & Andrade, J. M. (2010). Fatores que Afetam o Desempenho na Prova de Matemática do SAEB: Um Estudo Multinível [Factors that Affect the Performance on the SAEB Mathematics Test: A Multilevel Study]. Avaliação Psicológica, 9, 173-186.
Lee, J., & Stankov, L. (2013). Higher-Order Structure of Noncognitive Constructs and Prediction of PISA 2003 Mathematics Achievement. Learning and Individual Differences, 26, 119-130. http://doi.org/10.1016/j.lindif.2013.05.004
Martin, A. J., & Lazendic, G. (2018). Achievement in Large Scale National Numeracy Assessment: An Ecological Study of Motivation and Student, Home, and School Predictors. Journal of Educational Psychology, 110, 565-482. http://doi.org/10.1037/edu0000231
Mello, M. B. J. B., & Leme, M. I. S. (2016). Motivação de Alunos dos Cursos Superiores de Tecnologia. Psicologia Escolar e Educacional, 20, 581-590. http://doi.org/10.1590/2175-3539201502031053
Ministério da Educação (MEC)/Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira (INEP). (1998). Portaria Normativa nº 438, de 28 de maio de1998. DOU de 01 jun. 1998, nº 102-E, seção 1, p. 5. http://www.normasbrasil.com.br/norma/?id=181137
Ministério da Educação (MEC)/Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira (INEP). (2012). Microdados do ENEM - 2011, Exame Nacional do Ensino Médio: Manual do usuário. MEC/INEP. http://portal.inep.gov.br/web/guest/microdados
Ministério da Educação (MEC)/Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira (INEP). (2013). Exame Nacional do Ensino Médio (Enem): Relatório pedagógico 2009-2010. INEP/MEC. http://portal.inep.gov.br/documents/186968/484421/Relatório+Pedagógico+ENEM+2009-2010/70890e24-a78a-44f8-a909-b235f02948f2?version=1.1
Ministério da Educação (MEC)/Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira (INEP). (2015). Relatório pedagógico: ENEM 2011-2012. INEP. http://www.publicacoes.inep.gov.br/portal/download/1401
Ministério da Educação (MEC) (2017). Portaria no468 de 3 de abril de 2017. http://download.inep.gov.br/educacao_basica/enem/legislacao/2017/Portaria_mec_gm_n468_de_03042017_dispoe_sobre_a_realizacao_do_enem.pdf
Monteiro, S. C., Almeida, L. S., & Vasconcelos, R. M. C. F. (2012). Abordagens à Aprendizagem, Autorregulação e Motivação: Convergência no Desempenho Acadêmico Excelente [Approaches to Learning, Self-Regulation and Motivation: Their Convergence on excellent Academic Performance]. Revista Brasileira de Orientação Profissional, 13, 153-162.
Organization for Economic Co-operation and Development (OECD) (2016). Results from PISA 2015. http://download.inep.gov.br/acoes_internacionais/pisa/resultados/2015/pisa_2015_brazil.pdf
Pangeni, K. P. (2014). Factors Determining Educational Quality: Student Mathematics Achievement in Nepal. International Journal of Educations Research, 34(1), 30-41. http://doi.org/10.1016/j.ijedudev.2013.03.001
Pinto, J., Carvalho e Silva, J., & Bixirão Neto, T. (2016). Fatores Influenciadores dos Resultados de Matemática de Estudantes Portugueses e Brasileiros no PISA: Revisão Integrativa [Influencing Factors on the Mathematics Results of Portuguese and Brazilian Students in PISA: Integrative Review]. Ciência e Educação, 22(4), 837-853. http://doi.org/10.1590/1516-731320160040002
Pipere, A., & Mierina, I. (2017). Exploring Non-Cognitive Predictors of Mathematics Achievement among 9th Grade Students. Learning and Individual Differences, 59, 65-77. http://doi.org/10.1016/j.lindif.2017.09.005
R Core Team (2017). R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing. http://www.R-project.org
Rabelo, M. L. (2013). Avaliação Educacional: Fundamentos, Metodologia e Aplicações no Contexto Brasileiro [Educational Evaluation: Fundamentals, Methodology and Applications in the Brazilian Context]. Rio de Janeiro, RJ: SBM.
Rokach, L., & Maimon, O. (2015). Data Mining with Decision Trees: Theory and Applications. World Scientific Publishing.
Schwartzman, S., Costin, C., & Coutinho, A. M. J. (2017). Sociologia e Economia da Educação [Sociology and Economy of Education]. Rede Ciência para Educação.
Souza, M. C. R. F., & Fonseca, M. C. R. F. (2010). Relações de Gênero, Educação Matemática e Discurso: Enunciados sobre Mulheres, Homens e Matemática [Gender Relations, Mathematical Education and Discourse: Statements on Women, Men and Mathematics]. Autêntica.
Therneau, T. M., & Atkinson, E. J. (2015). An Introduction to Recursive Partitioning Using the rpart Routines. https://cran.rproject.org/web/packages/rpart/vignettes/longintro.pdf
Thien, L. M., & Ong, M. Y. (2015). Malaysian and Singaporean Students’ Affective Characteristics and Mathematics Performance: Evidence from PISA 2012. Springer Plus, 4, 563. http://doi.org/10.1186/s40064-015-1358-z
Zhang, H., & Singer, B. H. (2010). Recursive Partitioning and Applications. Springer. https://doi.org/10.1007/978-1-4419-6824-1
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2021 Cristiano Mauro Assis Gomes, Denise de Souza Fleith, Claisy Maria Marinho-Araujo, Mauro Luiz Rabelo
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
