Uma metodologia para a descoberta de conhecimento em bases de dados da Prova Brasil

Referencias

ANDRADE, J. M. d.; LAROS, J. A. Fatores associados ao desempenho escolar: estudo multinível com dados do Saeb/2001. Psicologia: Teoria e Pesquisa, Brasília, v. 23, n. 1, p. 33-42, 03 2007. AZEVEDO, J. M. L. O Estado, a política e a regulação do setor educacional no Brasil: uma abordagem histórica. In: FERREIRA, N. S. C. e AGUIAR, M. A. S. Gestão da educação: impasses, perspectivas e compromissos. 2. ed. São Paulo: Cortez, p. 17-42, 2001. BAKER, R. S. J. d.; ISOTANI, S.; CARVALHO, A. M. J. B. d. Mineração de dados educacionais: oportunidades para o brasil. Revista Brasileira de Informática na Educação, v. 19, n. 2, p. 3-13, ago. 2011. BRASIL. Instituto Nacional de Estudos e Pesquisas Educacionais. SAEB 2001: novas perspectivas. Brasília: Inep, 2001. CAO, L. Domain-driven data mining: challenges and prospects. IEEE Transactions on Knowledge and Data Engineering, v. 22, n. 6, p. 755-769, 2010. CARVALHO, C. P. de; WALHELM, A. P. S.; ALVES, F.; KOSLINSKI, M. Gestão e desempenho escolar: um estudo nas redes municipais da Região Metropolitana do Rio de Janeiro a partir dos resultados da Prova Brasil 2009. In: CONGRESSO IBERO AMERICANO DE POLÍTICA E ADMINISTRAÇÃO DA EDUCAÇÃO. 3., 2012, Zaragoza. Cadernos ANPAE. Timbaúba: Biblioteca ANPAE - Cadernos ANPAE, 2012. CLARK, A. C.; WATSON, D. Constructing validity: basic issues in objective scale development. Psychological Assessment, n. 7, p. 309-319, 1995. COELHO, M. I. A. d. M. Vinte anos de avaliação da educação básica no Brasil: aprendizagens e desafios. Ensaio: Avaliação e Políticas Públicas em Educação, v. 16, n. 59, p. 229-258, jun. 2008. FAYYAD, U. M.; PIATETSKY-SHAPIRO, G.; SMYTH, P. From data mining to knowledge discovery in databases. AI Magazine, American Association for Artificial Intelligence, California, USA, v. 17, n. 3, p. 37-54, 1996. FIELD, A. Descobrindo a Estatística usando o SPSS. 2. ed. Porto Alegre: Artmed, 2009. FONSECA, S. O.; NAMEN, A. A. Mineração em bases de dados do Inep: uma análise exploratória para nortear melhorias no sistema educacional brasileiro. Educ. rev., Belo Horizonte, v. 32, n. 1, p. 133-157, Mar. 2016. FONSECA, S. O. Uma metodologia de mineração de dados orientada pelo domínio para a descoberta de conhecimento sobre o processo de aprendizagem no ensino básico. Tese (Doutorado em Modelagem Computacional) - Instituto Politécnico, UERJ, 2018. FRANCO, C.; FERNANDES, C.; SOARES, J. F.; BELTRÃO, K.; BARBOSA, M. E.; ALVES, M. T. G. O referencial teórico na construção dos questionários contextuais do Saeb 2001. Estudos em Avaliação Educacional, n. 28, p. 39-74, 2003. FRANCO, C.; SZTAJN, P.; ORTIGÃO, M. I. R. Mathematics teachers, reform and equity: results from the brazilian national assessment. Journal for Research in Mathematics Education, v. 38, n. 4, p. 393-419, 2007. FREITAS, D. N. T. A avaliação da educação básica no Brasil: dimensão normativa, pedagógica e educativa. Campinas: Autores Associados, 2007. FUNDACÃO LEMANN E MERITT. QEdu: aprendizado em foco. 2015. Sítio na internet. Disponível em: . Acesso em: 20 Jun. 2016. GUZZO, R. S. L.; EUZEBIOS FILHO, A. Desigualdade social e sistema educacional brasileiro: a urgência da educação emancipadora. Escritos educ., Ibirité, v. 4, n. 2, p. 39-48, dez. 2005. HAIR, J. F.; ANDERSON, R. E.; TATHAM, R. L.; BLACK, W. C. Análise multivariada de dados. 5. ed. Porto Alegre: Bookman, 2005. HALL, M.; FRANK, E.; HOLMES, G.; PFAHRINGER, B.; REUTEMANN, P.; WITTEN, I. H. The WEKA Data Mining Software: An Update; SIGKDD Explorations, New York, USA, v. 11, n. 1, p. 10-18, jun. 2009. HAN, J.; KAMBER, M.; PEI, J. Data Mining: concepts and techniques. 3. ed. Waltham, USA: Morgan Kaufmann Publishers, 2012. INEP. Microdados da Aneb e da Anresc 2013. Brasília: Inep, 2015. Acesso em: 2015-05-30. Disponível em: . JESUS, G. R.; LAROS, J. A. Eficácia escolar: regressão multinível com dados de avaliação em larga escala. Avaliação Psicológica, v. 3, n. 2, p. 93-106, 2004. KARINO, C. A.; VINHA, L. G. A.; LAROS, J. A. Os questionários do SAEB: o que eles realmente medem? Estudos em Avaliação Educacional, São Paulo, v. 25, n. 59, p. 270-297, set./dez. 2014. KLINE, P. The handbook of psychological testing. London: Routledge, 1999. ORTIGÃO, M. I. R.; FRANCO, C.; CARVALHO, J. B. P. A distribuição social do currículo de matemática: quem tem acesso a tratamento da informação? Educação Matemática Pesquisa, São Paulo, v. 9, n. 2, p. 249-273, 2007. ORTIGÃO, M. I. R.; AGUIAR, G. S. Repetência escolar nos anos iniciais do ensino fundamental: evidências a partir dos dados da prova Brasil 2009. Rev. bras. Estud. pedagog., Brasília, v. 94, n. 237, p. 364-389, 2013. PEREIRA, M. J.; MORI, N. N. R. Diretrizes curriculares e o desempenho de alunos paranaenses da 8ª série do ensino fundamental na Prova Brasil. RBPG, Brasília, supl. 1, v. 8, p. 121 - 143, dezembro 2011. POSTGRESQL. Documentação do PostgreSQL 8.0.0. Rio de Janeiro, Brasil, 2007. 1310 p. RODRIGUES, C. G.; GUIMARÃES, R. R. de M.; RIOS-NETO, E. L. G. O papel das origens sociais sobre a proficiência escolar e a probabilidade de progressão por série no Brasil: evidência de persistência. RBPG, Brasília, supl. 1, v. 8, p. 87-116, dezembro 2011. SANTOS, J. B. P; TOLENTINO-NETO, L. C. B. O que os dados do SAEB nos dizem sobre o desempenho dos estudantes em Matemática? Educ. Matem. Pesq., São Paulo, v.17, n.2, p.309-333, 2015. SOARES, J. F. Qualidade e equidade na Educação Básica brasileira: a evidência do Saeb- 2001. Arquivos Analíticos de Políticas Educativas, Tempe, USA, v. 12, n. 38, 2004. WITTEN, I. H.; FRANK, E.; HALL, M. A. Data Mining: practical machine learning tools and techniques. 3. ed. San Francisco, CA, USA: Morgan Kaufmann Publishers Inc., 2011.