Modelos Preditivos

Quatro modelos de aprendizado de máquina identificam quais variáveis municipais melhor preveem o risco de abandono e o nível de desempenho educacional. Os resultados orientam onde concentrar políticas públicas.

psychology

O que esses modelos fazem?

Cada modelo aprende, a partir das informações de centenas de municípios paulistas, como variáveis (gasto por aluno, INSE, infraestrutura escolar, etc.) se conectam a um resultado-alvo (abandono no Ensino Médio ou desempenho no SAEB/ENEM). Em seguida, ele identifica quais variáveis têm maior peso nessa relação.

insights

Como o gestor pode usar?

A página de cada município mostra um diagnóstico individual baseado nesses modelos: posicionamento contra a média estadual, contra o cluster pareado, e os top-3 pontos fortes e top-3 pontos de atenção. As variáveis em destaque na tabela abaixo são as com maior potencial de impacto se o município investir nelas.

verified_user

Como confiar?

Cada modelo é validado por validação cruzada estratificada em 5 folds — ou seja, treinado em 80% dos municípios e testado nos 20% restantes, repetindo 5 vezes. A coluna AUC (CV) é a métrica mais conservadora: 1,0 = perfeito · 0,5 = aleatório.

model_training
M1_Abandono_EM 0,663 AUC (validação cruzada) · ver detalhes →
model_training
M2_Desempenho_SAEB_MT 0,712 AUC (validação cruzada) · ver detalhes →
model_training
M3_Desempenho_ENEM 0,739 AUC (validação cruzada) · ver detalhes →
model_training
M4_Abandono_EM_TDI_AFD 0,690 AUC (validação cruzada) · ver detalhes →

Capacidade preditiva (AUC)

Random Forest vs. Regressão Logística · CV 5-folds

Acurácia por modelo

Limiar 0,50 (mediana)

Comparativo gerado pelo pipeline

Métricas comparativas
Métricas comparativas dos 4 modelos (AUC, acurácia, precisão, revocação)
Importância comparativa
Importância das variáveis (MDI) lado-a-lado entre os 4 modelos

Resultados detalhados

Modelo Variável-alvo N LogReg AUC (CV) RF AUC (CV) RF Acurácia Variáveis mais influentes (Top 3)
M1_Abandono_EM ABANDONO_MED_TOTAL 1934 0,643 0,663 0,631 Alunos/docente (Médio), Lab. informática, PIB per capita
M2_Desempenho_SAEB_MT SAEB_12_MT 1686 0,687 0,712 0,675 Nível socioeconômico (INSE), Internet, Gasto por aluno
M3_Desempenho_ENEM ENEM_MEDIA_GERAL 1882 0,706 0,739 0,647 Nível socioeconômico (INSE), PIB per capita, Alunos/docente (Médio)
M4_Abandono_EM_TDI_AFD ABANDONO_MED_TOTAL (+ TDI/AFD) 1934 0,658 0,690 0,646 Alunos/docente (Médio), Distorção idade-série (Médio), Lab. informática

Principais achados — leitura para gestores

trending_down

Abandono escolar (M1, M4)

As variáveis com maior peso preditivo são institucionais: relação alunos/docente, distorção idade-série e presença de laboratório de informática. Isso indica que políticas de retenção têm retorno maior quando focam em estrutura pedagógica do que apenas em transferências de renda.

trending_up

Desempenho acadêmico (M2, M3)

O preditor dominante é o INSE (Nível Socioeconômico), seguido por internet nas escolas e gasto por aluno. Para elevar o desempenho, intervenções precisam ser intersetoriais, articulando educação com geração de renda e proteção social.

payments

O gasto por aluno é determinante?

Não isoladamente. A correlação direta entre gasto/aluno e IDEB é praticamente nula (r = −0,045). O gasto vira preditor relevante quando combinado com outras variáveis no Random Forest, mas sempre secundário ao INSE e às variáveis institucionais.