MODELAGEM PREDITIVA PARA O IDEB MUNICIPAL NA EDUCAÇÃO BÁSICA PIAUIENSE POR MEIO DE ALGORITMOS DE APRENDIZADO DE MÁQUINA E APRENDIZADO PROFUNDO

Abstract

RESUMO: As desigualdades no desempenho educacional entre municípios brasileiros permanecem amplas e persistentes, conforme evidenciado pelas variações do Índice de Desenvolvimento

da Educação Básica (IDEB) nas diferentes etapas da educação básica. Apesar da cres- cente disponibilidade de informações sobre os sistemas de ensino, ainda há limitações

na utilização integrada desses insumos para prever o desempenho municipal e subsidiar decisões estratégicas. Essa lacuna é particularmente relevante em estados como o Piauí, onde os municípios apresentam desempenho heterogêneo, com alguns registrando avanços consistentes e outros mantendo resultados inferiores à média estadual.Neste contexto, o presente trabalho tem como objetivo principal aplicar e avaliar modelos preditivos baseados em aprendizado de máquina (Machine Learning - ML) e aprendizado profundo (Deep Learning - DL) para prever o desempenho educacional dos municípios piauienses, representado pelo IDEB, nas três etapas da educação básica (anos iniciais, anos finais e ensino médio), integrando variáveis educacionais, socioeconômicas e financeiras. Para tanto, foram construídas três bases de dados, compreendendo o período de 2013 a 2023, considerando os anos ímpares. Foram testados e comparados dez algoritmos clássicos de regressão supervisionada, incluindo regressões penalizadas, modelos baseados em árvore, como Floresta Aleatória (Random Forest - RF) e Extreme Gradient Boosting (XGBoost) e métodos baseados em instâncias, além de sete arquiteturas de Redes Neurais Artificiais

(Artificial Neural Networks - ANN) profundas, como Perceptron Multicamadas (Multi- layer Perceptron - MLP), Rede Neural Convolucional (Convolutional Neural Network –

CNN), Memória de Longo e Curto Prazo (Long Short-Term Memory - LSTM) e híbridas. O desempenho dos modelos foi avaliado por meio de métricas de erro e coeficiente de determinação (R2), calculadas nos conjuntos de treino, teste e validação cruzada com 5 folds. Os resultados indicaram que o modelo XGBoost apresentou o melhor desempenho global nas três etapas da educação básica, com R2 de 0,5455 nos anos iniciais, 0,5205 nos anos finais e 0,4488 no ensino médio, segundo validação cruzada. Destacou-se para sua robustez nos anos iniciais e finais e sua relativa estabilidade no ensino médio, etapa notoriamente mais difícil de prever devido à maior variabilidade e evasão. A análise de importância das variáveis identificou determinantes centrais para o IDEB. Nos anos iniciais e finais, destacaram-se o PIB per capita, a taxa de distorção idade-série, o percentual de docentes sem curso superior, variáveis da agropecuária local e repasses do programa Criança Feliz. No ensino médio, assumiram relevância variáveis ligadas à infraestrutura escolar, gestão e esforço docente. Com base no modelo XGBoost, foi desenvolvido um sistema de simulação de cenários, que permite testar, de forma contrafactual, o impacto de alterações paramétricas nas variáveis explicativas sobre os valores previstos do IDEB municipal de 2023. Esse módulo opera com interface amigável e recursos de exportação, gráficos e visualizações personalizadas, representando uma contribuição concreta para o planejamento educacional baseado em evidências. Os resultados obtidos demonstram que é possível antecipar, com razoável grau de acurácia, o comportamento do IDEB em nível municipal. O sistema de simulação desenvolvido consolida-se como ferramenta de apoio à tomada de decisão, permitindo que gestores visualizem os efeitos hipotéticos de políticas públicas educacionais. Como perspectivas futuras, recomenda-se a inclusão de novas variáveis e a replicação da metodologia em outros contextos federativos. ABSTRACT: Inequalities in educational performance among Brazilian municipalities remain wide and persistent, as evidenced by variations in the Basic Education Development Index (IDEB) across different stages of basic education. Despite the increasing availability of information on education systems, there are still limitations in the integrated use of these inputs to predict municipal performance and support strategic decisions. This gap is particularly relevant in states like Piauí, where municipalities exhibit heterogeneous performance, with some registering consistent progress and others maintaining results below the state average. In this context, the present work aims to apply and evaluate predictive models based on machine learning (ML) and deep learning (DL) to predict the educational performance of municipalities in Piauí, represented by the IDEB (Basic Education Development Index), in the three stages of basic education (early years, later years, and high school), integrating educational, socioeconomic, and financial variables. To this end, three databases were constructed, covering the period from 2013 to 2023, considering odd-numbered years. Ten classic supervised regression algorithms were tested and compared, including penalized regressions, tree-based models, such as Random Forest (RF) and Extreme Gradient Boosting (XGBoost), and instance-based methods, in addition to seven deep Artificial Neural Network (ANN) architectures, such as Multilayer Perceptron (MLP), Convolutional Neural Network (CNN), Long Short-Term Memory (LSTM), and hybrid architectures. The performance of the models was evaluated using error metrics and coefficient of determination (R2), calculated on the training, test, and cross-validation sets with 5 folds. The results indicated that the XGBoost model presented the best overall performance in the three stages of basic education, with an R2 of 0.5455 in the early years, 0.5205 in the later years, and 0.4488 in high school, according to cross-validation. It stood out for its robustness in the early and later years and its relative stability in high school, a stage notoriously more difficult to predict due to greater variability and dropout rates. The analysis of the importance of the variables identified central determinants for the IDEB (Basic Education Development Index). In the early and later years, the following stood out: GDP per capita, the age-grade distortion rate, the percentage of teachers without a higher education degree, variables from local agriculture, and transfers from the Criança Feliz (Happy Child) program. In high school, variables related to school infrastructure, management, and teacher effort became relevant. Based on the XGBoost model, a scenario simulation system was developed, which allows testing, in a counterfactual way, the impact of parametric changes in explanatory variables on the predicted values of the municipal

IDEB (Basic Education Development Index) for 2023. This module operates with a user- friendly interface and export features, customized graphs and visualizations, representing

a concrete contribution to evidence-based educational planning. The results obtained demonstrate that it is possible to anticipate, with a reasonable degree of accuracy, the behavior of the IDEB at the municipal level. The developed simulation system consolidates itself as a tool to support decision-making, allowing managers to visualize the hypothetical effects of educational public policies. As future perspectives, the inclusion of new variables and the replication of the methodology in other federative contexts is recommended.