Introdução

Criado em 1998, o Exame Nacional do Ensino Médio (ENEM) consiste em uma avaliação promovida e aplicada pelo Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira (INEP) para mensurar o desempenho dos estudantes do ensino médio em todo o território brasileiro. Desde 2009, passou a ser o principal mecanismo de acesso ao ensino superior no Brasil. A prova é aplicada em dois dias, sendo composta por 180 questões objetivas, subdivididas em quatro áreas de conhecimento: linguagens, códigos e suas tecnologias; ciências humanas e suas tecnologias; ciências da natureza e suas tecnologias; e matemática e suas tecnologias, além de uma redação. Desde 2020, o ENEM também é aplicado na versão digital.

O exame gera uma densa e valorosa massa de dados, que a depender do ponto focal adotado permite avaliar e mensurar aspectos como a qualidade do sistema educacional brasileiro, o perfil dos estudantes que realizam o exame, as disparidades educacionais regionais, entre outros. A base de dados disponibiliza as provas, gabaritos, notas e o questionário respondido pelos inscritos no Exame.

Para a presente análise foi adotado como recorte temporal o ano de 2022, considerando os dados referentes ao estado de Pernambuco, ou seja, as inscrições válidas para candidatos que realizaram a prova no estado. O objetivo principal é realizar uma análise do desempenho e do perfil educacional e socioeconômico dos inscritos, considerando e conectando aspectos como raça, renda familiar, acesso à internet e escolaridade dos pais, a fim de evidenciar como estes refletem diretamente no desempenho final dos estudantes. Os dados utilizados são da base de dados do INEP, cujo processo de tratamento, análise e discussão será evidenciado nos tópicos seguintes.

Por que você e eu deveríamos estar interessados nisso?

Devido a fatores e condicionantes de caráter histórico e social, a realidade educacional brasileira apresenta problemas latentes e estruturais. Inserido nessa problemática, o presente relatório busca evidenciar de que modo aspectos como renda familiar, raça e escolaridade dos pais impactam diretamente no desempenho final dos estudantes no Exame Nacional do Ensino Médio (ENEM), adotou-se como ponto focal o ano de 2022 e foram considerados os dados referentes ao estado de Pernambuco. O recorte justifica-se em virtude da necessidade de trabalhar com a base de dados mais recente e com um espaço geográfico com o qual possuímos vivência.

Como irá abordar a declaração do problema?

As variáveis selecionadas dos Microdados do ENEM incluem aspectos pessoais, como idade e sexo, e aspectos socioeconômicos, como escolaridade dos pais, renda familiar e acesso à internet. Essas variáveis são relevantes para a análise das médias de notas, pois fornecem subsídios para interpretar os dados e fenômenos observados.

Qual a abordagem proposta?

A abordagem adotada nesta análise busca fornecer uma compreensão abrangente do desempenho dos participantes do ENEM 2022 em Pernambuco, explorando uma variedade de fatores socioeconômicos e demográficos que podem influenciar esse desempenho. Ao analisar dados relacionados à renda familiar, raça, escolaridade dos pais e tipo de escola frequentada, esperamos identificar padrões e tendências que possam destacar desigualdades educacionais e fornecer insights valiosos para a formulação de políticas públicas mais eficazes.

Como a análise ajudará os potenciais clientes?

Os resultados desta análise fornecerão aos tomadores de decisão e formuladores de políticas uma visão detalhada do cenário educacional em Pernambuco. Ao entender melhor as disparidades regionais, raciais e socioeconômicas no desempenho dos alunos, os potenciais clientes poderão desenvolver estratégias mais direcionadas e eficazes para melhorar a qualidade da educação e promover a equidade de oportunidades. Além disso, essa análise pode servir como base para discussões e debates sobre políticas educacionais, estimulando ações concretas para combater as desigualdades identificadas e promover um sistema educacional mais inclusivo e justo.

Pacotes requeridos

Os seguintes pacotes são necessários para executar o código apresentado neste projeto. Sem eles, o código não será executado com sucesso.

Pacote Objetivo
dplyr Manipulação de dados, filtragem e resumo estatístico.
scales Formatação de números em gráficos para facilitar a leitura.
ggplot2 Criação de gráficos estatísticos e visualização de dados.
library(dplyr)
library(scales)
library(ggplot2)

Preparação dos dados

Os dados utilizados nessa pesquisa são provenientes dos microdados do ENEM, disponibilizados pelo INEP. Segundo os dados, na edição de 2022, houve 189.595 inscrições para o estado de Pernambuco, dos quais 130.361 são consideradas inscrições válidas, ou seja, representam candidatos que realizaram todas as provas e não foram eliminados. Os dados foram coletados a partir de dois conjuntos de dados. O primeiro conjunto, contendo informações sobre a média de notas por estado, foi obtido a partir de um arquivo CSV chamado “mp.csv”. O segundo conjunto é referente aos dados do ENEM 2022 e foi carregado a partir do arquivo “MICRODADOS_ENEM_2022.csv”. Obteve-se os dados pelo Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira (INEP) por meio do Exame Nacional do Ensino Médio (ENEM). A coleta é realizada por meio de um questionário respondido pelos participantes do ENEM, de maneira voluntária e sigilosa.

Informações obtidas pelos dados coletados através do INEP:

  • Dados pessoais, como nome, data de nascimento, sexo, raça/cor e estado civil;

  • Dados socioeconômicos, como renda familiar, ocupação do pai e da mãe e escolaridade dos pais;

  • Dados educacionais, como desempenho nas provas do Enem e curso de graduação pretendido.

Carregamento dos dados

Os dados estão disponibilizados em cinco pastas, conforme pode ser evidenciado na figura 01, foram utilizadas especificamente a pasta Dados que contém informações gerais sobre o ENEM, o perfil dos participantes e as notas em cada área do conhecimento, e a pasta Dicionários que especifica as variáveis contidas na base de dados.

Figura 01. Estrutura de pastas dos Microdados do Enem 2022.
Figura 02. Arquivos que compõem a pasta dados.
Figura 03. Arquivos que compõem a pasta dicionário.

Após o carregamento dos dados, fornecido pelo arquivo csv, é possível analisar a dimensão da tabela, uma vez que, existem 3476105 linhas e 76 colunas. Dessa forma, percebe-se uma dificuldade maior para lidar com o dataset pela grande quantidade de dados.

dados <- read.csv("C:/Users/Aldenir/Documents/MICRODADOS_ENEM_2022.csv", sep = ";", encoding = "iso-8859-1")
dim(dados)
[1] 3476105      76

Filtragem dos dados

Nessa etapa, selecionamos apenas as colunas relevantes para análise de dados e armazenamos os resultados de volta na variável principal dados.

dados <- dados[, c("NU_INSCRICAO","NU_ANO","TP_FAIXA_ETARIA", "TP_SEXO","TP_ESTADO_CIVIL","TP_COR_RACA","TP_NACIONALIDADE","TP_ST_CONCLUSAO","TP_ANO_CONCLUIU","TP_ESCOLA", "TP_ENSINO", "IN_TREINEIRO","CO_MUNICIPIO_ESC","NO_MUNICIPIO_ESC","CO_UF_ESC","SG_UF_ESC","TP_DEPENDENCIA_ADM_ESC","TP_LOCALIZACAO_ESC","TP_SIT_FUNC_ESC","CO_MUNICIPIO_PROVA","NO_MUNICIPIO_PROVA","CO_UF_PROVA","SG_UF_PROVA","TP_PRESENCA_CN","TP_PRESENCA_CH","TP_PRESENCA_LC", "TP_PRESENCA_MT","CO_PROVA_CN","CO_PROVA_CH","CO_PROVA_LC","CO_PROVA_MT","NU_NOTA_CN","NU_NOTA_CH","NU_NOTA_LC","NU_NOTA_MT","TP_STATUS_REDACAO","NU_NOTA_REDACAO", "Q025", "Q002", "Q001", "Q006")]

Em seguida, é realizado o filtro dos dados novamente para incluir apenas os registros dos participantes que fizeram a prova em municípios cujos códigos iniciam com “26” (que representa o estado de Pernambuco).

dados_enem22_PE <- dados[grep("^26", dados$CO_MUNICIPIO_PROVA), ]

Por fim, faz-se a filtragem dos dados para incluir apenas os registros de participantes que estiveram presentes em todas as provas (Ciências da Natureza, Ciências Humanas, Linguagens e Códigos, e Matemática), ou seja, aplicações válidas.

dados_enem22_PE_aplicacoes_validas <- dados_enem22_PE %>%
  filter(TP_PRESENCA_CN == 1 &
         TP_PRESENCA_CH == 1 &
         TP_PRESENCA_LC == 1 &
         TP_PRESENCA_MT == 1)

Assim, já conseguimos ver a diferença da dimensão da tabela, já que, após o processo de filtragem, o dataset possui 130361 linhas e 37 colunas

dim(dados_enem22_PE_aplicacoes_validas)
[1] 130361     41

Incremento

Por fim, foi criada uma nova coluna chamada media_notas, que contém a média das notas obtidas em todas as provas e redação, para facilitar o processo futuro de elaboração de gráficos com base na média das notas.

dados_enem22_PE_aplicacoes_validas <- transform(dados_enem22_PE_aplicacoes_validas,
                                               media_notas = (NU_NOTA_CN + NU_NOTA_CH + NU_NOTA_LC + NU_NOTA_MT + NU_NOTA_REDACAO) / 5)

Assim, essas foram as colunas finais existentes na tabela que será utilizada para a análise exploratória dos dados, passandi a possuir 130361 linhas e 38 colunas.

colunas <- colnames(dados_enem22_PE_aplicacoes_validas)
print(colunas)
 [1] "NU_INSCRICAO"           "NU_ANO"                 "TP_FAIXA_ETARIA"       
 [4] "TP_SEXO"                "TP_ESTADO_CIVIL"        "TP_COR_RACA"           
 [7] "TP_NACIONALIDADE"       "TP_ST_CONCLUSAO"        "TP_ANO_CONCLUIU"       
[10] "TP_ESCOLA"              "TP_ENSINO"              "IN_TREINEIRO"          
[13] "CO_MUNICIPIO_ESC"       "NO_MUNICIPIO_ESC"       "CO_UF_ESC"             
[16] "SG_UF_ESC"              "TP_DEPENDENCIA_ADM_ESC" "TP_LOCALIZACAO_ESC"    
[19] "TP_SIT_FUNC_ESC"        "CO_MUNICIPIO_PROVA"     "NO_MUNICIPIO_PROVA"    
[22] "CO_UF_PROVA"            "SG_UF_PROVA"            "TP_PRESENCA_CN"        
[25] "TP_PRESENCA_CH"         "TP_PRESENCA_LC"         "TP_PRESENCA_MT"        
[28] "CO_PROVA_CN"            "CO_PROVA_CH"            "CO_PROVA_LC"           
[31] "CO_PROVA_MT"            "NU_NOTA_CN"             "NU_NOTA_CH"            
[34] "NU_NOTA_LC"             "NU_NOTA_MT"             "TP_STATUS_REDACAO"     
[37] "NU_NOTA_REDACAO"        "Q025"                   "Q002"                  
[40] "Q001"                   "Q006"                   "media_notas"           

Análise Exploratória dos Dados

Relação de aplicações válidas e inválidas

A edição do ENEM 2022 obteve um total de 3.476.105 inscritos, sendo 189.595 o efetivo total de inscrições para aplicação no estado de Pernambuco, o que representa aproximadamente 5,4% das inscrições. Contudo, das 189.595 inscrições para o estado, apenas 130.361 são consideradas inscrições válidas, ou seja, realizaram todas as provas objetivas e não foram eliminadas, por quaisquer motivos, de nenhuma delas. Esse valor representa cerca de 68,7% das inscrições, o que significa dizer que 32,3% dos inscritos não conseguiram utilizar a nota do ENEM para ingressar em universidades ou institutos federais.

# filtro dos dados utilizando os dois conjunto de dados criados previamente, onde um contém as aplicações válidas e o outro conjunto não
descricao_aplicacao <- c('Aplicação Válida', 'Eliminados ou Ausentes')
aplicacao <- c(nrow(dados_enem22_PE_aplicacoes_validas), (nrow(dados_enem22_PE) - nrow(dados_enem22_PE_aplicacoes_validas)))

# cores utilizadas para o gráfico
cores <- c('#FF69B4', '#D80073')

# plotagem do gráfico de pizza
pie(aplicacao, labels = descricao_aplicacao, col = cores, main = 'Relação de Aplicações Válidas por Eliminados e Ausentes', cex = 0.6, cex.main = 0.6)

# calculando as posições para os rótulos externos
posicoes <- cumsum(aplicacao) - aplicacao / 2
angulos <- 2 * pi * posicoes / sum(aplicacao)

# adicionando os rótulos externos ao gráfico
porcentagens <- round((aplicacao / sum(aplicacao)) * 100, 1)
porcentagens_labels <- paste(porcentagens, "%", sep = "")
text(x = 1.2 * cos(angulos), y = 1.2 * sin(angulos), labels = porcentagens_labels, cex = 0.6)

“Sexo” dos inscritos

Com relação ao perfil dos inscritos, 61.1 % são do sexo feminino e 38.9% do sexo masculino. Um fato interessante de se observar é o uso do termo “sexo” em 2022 pelo ENEM, uma vez que tal palavra se torna excludente pois remete apenas ao sexo masculino e feminino, reforçando a binaridade de gênero. A palavra mais adequada seria “gênero”, onde também deve-se conter as diversas alternativas para declarar sua identidade, uma vez que identidade de gênero é plural em diversas formas. Diante desse cenário, é fundamental promover uma reflexão sobre a importância da linguagem inclusiva e da representatividade nas avaliações educacionais, visando garantir igualdade de oportunidades e acesso justo à educação para todos, independentemente de sua identidade de gênero.

# elaboração do filtro dos dados pelo sexo utilizando a coluna específica
descricao_sexo <- c('Masculino', 'Feminino')
sexo <- c(sum(dados_enem22_PE_aplicacoes_validas$TP_SEXO == 'M'), sum(dados_enem22_PE_aplicacoes_validas$TP_SEXO == 'F'))

# criação do data frame
dados <- data.frame(descricao_sexo, sexo)

# plotagem do gráfico
grafico <- ggplot(dados, aes(x = "", y = sexo, fill = descricao_sexo)) +
  geom_bar(width = 1, stat = "identity") +
  coord_polar(theta = "y") +
  theme_void() +
  theme(legend.position = "bottom",
        text = element_text(size = 15, color = "black", face = "bold"), 
        plot.title = element_text(size = 10)) +
  scale_fill_manual(values = c("Masculino" = "#8ac4d0", "Feminino" = "#3a8ca7")) +
  geom_text(aes(y = sexo, label = sprintf("%.1f%%", sexo/sum(sexo) * 100)), 
            color = "black", size = 5, position = position_stack(vjust = 0.5)) +
  labs(title = "Distribuição de Participantes por Sexo", size = 8)

# visualização do gráfico
print(grafico)

É interessante notar que, apesar da predominância das inscrições femininas, o gráfico de média das notas por sexo revela uma disparidade, com o sexo masculino apresentando uma média superior. Essa disparidade pode ser influenciada por uma série de fatores, principalmente questões socioeconômicas e culturais.

pne <- dados_enem22_PE_aplicacoes_validas

# junção das notas por sexo
b <- aggregate(media_notas ~ TP_SEXO, data = pne, FUN = mean)

# definição das categorias
categorias <- c('Feminino', 'Masculino')

# cores definidas
cores <- c("#8ac4d0", "#3a8ca7")

# criação do gráfico de barras
grafico <- ggplot(b, aes(x = TP_SEXO, y = media_notas, fill = TP_SEXO)) +
  geom_bar(stat = "identity", position = position_dodge()) +
  scale_fill_manual(values = cores) +
  labs(x = 'Sexo', y = 'Notas Médias', title = 'Média dos Participantes por Sexo') +
  theme_minimal() +
  theme(legend.position = "none")

# ajuste da altura do gráfico
grafico + ylim(0, 600)

Cor/Raça dos inscritos

É sabido que uma série de desigualdades, como nossa herança escravocrata e racismo estrutural, podem ter raízes históricas, ainda aflige nossa sociedade. A exemplo da escravidão, que durou por séculos e teve um impacto muito significativo na formação das comunidades e na estrutura social do país. Nos dias atuais, os afrodescendentes, assim como os indígenas, ainda são muito marginalizados e possuem acesso limitado a recursos educacionais, pois esses fatores históricos afetam de forma mais acentuada esses grupos em comparação aos brancos. Embora essa relação não seja visível no gráfico, estudos mais abrangentes revelam que há uma disparidade nas notas para os diferentes grupos raciais.
Devido a isso, percebe-se que a maioria dos inscritos se identificam enquanto “pardos”, termo utilizado para identificar uma parcela da população negra, por conta do racismo estrutural muitas pessoas não se sentem confiantes o suficiente em se autodeclararem como um indivíduo preto.

# recorte dos dados com foco nas respostas em relação a raça
inscritos_raca <- c(
  sum(dados_enem22_PE_aplicacoes_validas$TP_COR_RACA == 1),
  sum(dados_enem22_PE_aplicacoes_validas$TP_COR_RACA == 2),
  sum(dados_enem22_PE_aplicacoes_validas$TP_COR_RACA == 3),
  sum(dados_enem22_PE_aplicacoes_validas$TP_COR_RACA == 4),
  sum(dados_enem22_PE_aplicacoes_validas$TP_COR_RACA == 5),
  sum(dados_enem22_PE_aplicacoes_validas$TP_COR_RACA == 0),
  sum(dados_enem22_PE_aplicacoes_validas$TP_COR_RACA == 6)
)

#delimitação das categorias
categorias <- c('Brancos', 'Pretos', 'Pardos', 'Amarelos', 'Indígenas', 'Não Declarado', 'Sem informação')

# criação do dataframe com as categorias e os respectivos dados
dados_raca <- data.frame(categorias, inscritos_raca)

# criação do gráfico de barras
grafico_raca <- ggplot(dados_raca, aes(x = categorias, y = inscritos_raca, fill = categorias)) +
  geom_bar(stat = 'identity') +
  labs(x = 'Raças', y = 'Quantidade de Inscritos', title = 'Relação de Inscritos por Raça') +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))  # Rotaciona os rótulos do eixo x

# ajuste da escala do eixo y
grafico_raca <- grafico_raca + ylim(0, 70000)

# inserção de rótulos de porcentagem
dados_raca$percentual <- dados_raca$inscritos_raca / sum(dados_raca$inscritos_raca) * 100
grafico_raca <- grafico_raca +
  geom_text(aes(label = paste(round(dados_raca$percentual, 2), '%')), vjust = -0.9, size = 2)

# visualização do gráfico
print(grafico_raca)

Quando restringimos nossa análise para a relação das médias com a composição racial, observamos que há uma certa homogeneidade nos dados para os grupos analisados, não sendo possível inferir uma relação de causalidade direta entre a média e o grupo racial. Mas um ponto intigrante é que mesmo com a desigualdade social e a raça atrelada, pessoas autodeclaradas como pretas possuem a maior média de notas.

# filtro dos dados para a média das notas por raça
b <- aggregate(media_notas ~ TP_COR_RACA, data = dados_enem22_PE_aplicacoes_validas, FUN = mean)

# definição das categorias
categorias <- c('Não declarados', 'Sem informação', 'Brancos', 'Pretos', 'Pardos', 'Amarelos', 'Indígenas')


# criação do gráfico de barras
grafico_raca <- ggplot(b, aes(x = factor(TP_COR_RACA, levels = 1:7), y = media_notas, fill = factor(TP_COR_RACA, levels = 1:7))) +
  geom_bar(stat = "identity", position = position_dodge(width = 0.8), width = 0.6) +  # Removendo a definição de cores
  labs(x = 'Raças', y = 'Notas Médias', title = 'Média dos Inscritos por Raça') +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1)) +
  scale_fill_manual(values = c("#8ac4d0", "#3a8ca7", "#9b59b6", "#3498db", "#e74c3c", "#f39c12", "#2ecc71")) + guides(fill = FALSE)# Rotaciona os rótulos do eixo x

# ajuste da altura do gráfico
grafico_raca <- grafico_raca + ylim(0, 600)

# definição dos rótulos do eixo x
grafico_raca <- grafico_raca + scale_x_discrete(labels = categorias)

# visualização do gráfico
print(grafico_raca)

Renda Familiar

A relação das notas médias com a renda familiar evidenciou que, a medida que a renda familiar aumenta, a média das notas também aumenta. No eixo oposto, a medida que renda familiar diminuí, a média das notas também diminui.
Os fatores que contribuem para esse fenômeno podem ser bem complexos e multifacetados. Entretanto, é fato que, as desigualdades econômicas podem levar a discrepâncias no acesso a recursos educacionais. Famílias com renda maior possuem mais recursos para poder investir em educação suplementar, escolar de qualidade e materiais educacionais de qualidade. Outro ponto relevante é que as famílias com maiores recursos podem investir em cursos preparatórios para esse tipo de exame, fornecendo ao estudante uma vantagem no momento de enfrentar as avaliações.

# junção das notas por renda familiar, utilizando as respostas da questão 006
b <- aggregate(media_notas ~ Q006, data = pne, FUN = mean)

# definição das categorias
categorias <- c('Nenhuma Renda', 'Até R$ 1.212,00', 'De R$ 1.212,01 até R$ 1.818,00.', 
                 'De R$ 1.818,01 até R$ 2.424,00.', 'De R$ 2.424,01 até R$ 3.030,00.', 
                 'De R$ 3.030,01 até R$ 3.636,00.', 'De R$ 3.636,01 até R$ 4.848,00.', 
                 'De R$ 4.848,01 até R$ 6.060,00.', 'De R$ 6.060,01 até R$ 7.272,00.', 
                 'De R$ 7.272,01 até R$ 8.484,00.', 'De R$ 8.484,01 até R$ 9.696,00.', 
                 'De R$ 9.696,01 até R$ 10.908,00.', 'De R$ 10.908,01 até R$ 12.120,00.', 
                 'De R$ 12.120,01 até R$ 14.544,00.', 'De R$ 14.544,01 até R$ 18.180,00.', 
                 'De R$ 18.180,01 até R$ 24.240,00.', 'Acima de R$ 24.240,00.')

# Definição das cores para o degradê
cores_degrade <- c("#8ac4d0", "#3a8ca7")  # Cores de azul claro a azul escuro

# Criação do gráfico de barras com degradê de cores
grafico_renda_familiar <- ggplot(b, aes(x = Q006, y = media_notas, fill = media_notas)) +
  geom_bar(stat = "identity") +
  labs(x = 'Renda Familiar', y = 'Notas Médias', title = 'Média dos Inscritos por Renda Familiar') +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 90, hjust = 1)) +
  scale_fill_gradient(low = cores_degrade[1], high = cores_degrade[2])  # Aplicação do degradê de cores

# Ajuste da altura do gráfico
grafico_renda_familiar <- grafico_renda_familiar + ylim(0, 700)

# Definição dos rótulos do eixo x
grafico_renda_familiar <- grafico_renda_familiar + scale_x_discrete(labels = categorias)

# Visualização do gráfico
print(grafico_renda_familiar)

Acesso à Internet

Foi observado que a média dos inscritos com acesso à internet foi maior que a média dos inscritos sem acesso à internet. Esse fenômeno pode estar ocorrendo por vários motivos. Os estudantes com acesso à internet podem utilizar uma variedade de recursos educacionais online, como videoaulas, simulados, materiais de estudo e plataformas de ensino à distância, o que acaba proporcionando uma vantagem no desenvolvimento de habilidades e conhecimentos específicos. Além disso, a internet fornece acesso rápido a informações atualizadas, de modo que os estudantes com acesso à internet podem ter a capacidade de se preparar de maneira mais eficaz para o exame, fazendo revisões regulares e praticando com recursos online.

# agrupamento das médias por acesso à internet, levando em consideração as respostas para a pergunta 005 do questionário.
b <- aggregate(media_notas ~ Q025, data = pne, FUN = mean)

# definição das categorias do gráfico
categorias <- c('Sem Acesso', 'Com Acesso')

# Criação do gráfico de barras com cores contrastantes
grafico_acesso <- ggplot(b, aes(x = Q025, y = media_notas, fill = Q025)) +
  geom_bar(stat = "identity") +
  labs(x = 'Acesso à Internet', y = 'Notas Médias', title = 'Média dos Inscritos por Acesso à Internet') +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 0)) +
  scale_fill_manual(values = c("#8ac4d0", "#3a8ca7"))  # Definição de cores contrastantes

# Ajuste da altura do gráfico
grafico_acesso <- grafico_acesso + ylim(0, 600)

# Definição dos rótulos do eixo x
grafico_acesso <- grafico_acesso + scale_x_discrete(labels = categorias)

# Visualização do gráfico
print(grafico_acesso)

Escolaridade Pai/Mãe

A escolaridade dos pais e outro fator determinante e que pode refletir em leves variações nas notas obtidas pelos inscritos na avaliação. Para a escolaridade do pai, e possível identificar uma variação gradual nas médias a medida que o nível de escolaridade aumenta. Quanto maior o nível de escolaridade, maior a média obtida no exame, e vice-versa. Para o nível de escolaridade da mãe o mesmo padrão e observado sem muitas variações.
Isso pode ser explicado por vários fatores complexos que influenciam o ambiente educacional e familiar. Pais com maior escolaridade muitas vezes valorizam a educação e criam um ambiente que favorece o aprendizado. Isso pode incluir a promoção de hábitos de estudo, discussões sobre tópicos educacionais e a disponibilidade de recursos educacionais. Filhos de pais mais com nivel de escolaridade maior podem ter um modelo a ser seguido em termos de dedicação aos estudos e busca por conhecimento.
Alem disso, as famílias com maior nível de escolaridade muitas vezes têm mais recursos disponíveis, o que pode incluir acesso a livros, cursos extracurriculares e tecnologia. Vale ressaltar que, pais com maior escolaridade geralmente têm expectativas mais altas em relação ao desempenho acadêmico de seus filhos. Essas expectativas podem influenciar positivamente o esforço e a dedicação dos estudantes. É importante notar que esses padrões observados não são determinísticos, e há exceções em todos os casos. Além disso, essas correlações não indicam causalidade direta. Outros fatores, como ambiente socioeconômico, acesso a oportunidades educacionais e apoio emocional, também desempenham papéis importantes no desempenho acadêmico dos estudantes.

# agrupamento das médias por escolaridade do pai, utilizando como resposta da pergunta 001 do questionário fornecido aos inscritos
b <- aggregate(media_notas ~ Q001, data = pne, FUN = mean)

# definição das categorias do gráfico
categorias <- c('Nunca estudou', 'Não completou o 5º ano', 'Completou o 5º ano', 'Completou o 9º ano', 'Completou o Ensino Médio', 'Completou a graduação', 'Completou o Pós graduação', 'Não sabe')

# criação o gráfico de barras
grafico_escolaridade_pai <- ggplot(b, aes(x = Q001, y = media_notas, fill = Q001)) +
  geom_bar(stat = "identity") +
  labs(x = 'Escolaridade do Pai', y = 'Notas Médias', title = 'Média dos Inscritos por Escolaridade do Pai') +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 90, hjust = 1)) +
  scale_fill_manual(values = c("#8ac4d0", "#3a8ca7", "#9b59b6", "#3498db", "#e74c3c", "#f39c12", "#2ecc71", "#34495e")) + guides(fill = FALSE)  # ajudeste do ângulo e a justificação dos rótulos do eixo x

# ajuste da altura do gráfico
grafico_escolaridade_pai <- grafico_escolaridade_pai + ylim(0, 700)

# definição dos rótulos do eixo x
grafico_escolaridade_pai <- grafico_escolaridade_pai + scale_x_discrete(labels = categorias)

# visualização do gráfico
print(grafico_escolaridade_pai)

# agrupamento das médias das notas por escolaridade da mãe, tendo como base as respostas da pergunta 002 do questionário preenchido pelos inscritos
b <- aggregate(media_notas ~ Q002, data = pne, FUN = mean)

# definição das categorias utilizadas para o gráfico
categorias <- c('Nunca estudou', 'Não completou o 5º ano', 'Completou o 5º ano', 'Completou o 9º ano', 'Completou o Ensino Médio', 'Completou a graduação', 'Completou o Pós graduação', 'Não sabe')

# criação do gráfico de barras
grafico_escolaridade_mae <- ggplot(b, aes(x = Q002, y = media_notas, fill = Q002)) +
  geom_bar(stat = "identity") +
  labs(x = 'Escolaridade da Mãe', y = 'Notas Médias', title = 'Média dos Inscritos por Escolaridade da Mãe') +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 90, hjust = 1), plot.title = element_text(size = 10)) +
  scale_fill_manual(values = c("#8ac4d0", "#3a8ca7", "#9b59b6", "#3498db", "#e74c3c", "#f39c12", "#2ecc71", "#34495e")) + guides(fill = FALSE) # ajuste do ângulo e a justificação dos rótulos do eixo x

# ajuste da altura do gráfico
grafico_escolaridade_mae <- grafico_escolaridade_mae + ylim(0, 700)

# definição dos rótulos do eixo x
grafico_escolaridade_mae <- grafico_escolaridade_mae + scale_x_discrete(labels = categorias)

# visualização do gráfico
print(grafico_escolaridade_mae)

Estado

Como podemos observar, Pernambuco não se destaca no grupo dos estados que atingiram os melhores desempenhos, a primeira posição é ocupada por Minas Gerais, seguido por Distrito Federal, Rio de Janeiro, São Paulo e Santa Catarina. Em contrapartida, as piores médias foram ocupadas exclusivamente por estados da região norte e nordeste, com Amazonas ocupando a última posição do ranking, conforme podemos ver na figura abaixo:

# definição dos estados 
estados <- c('Minas Gerais', 'Distrito Federal', 'Rio de Janeiro', 'São Paulo', 'Santa Catarina', 'Espírito Santo', 'Rio Grande do Sul', 'Paraná', 'Rio Grande do Norte', 'Mato Grosso do Sul', 'Sergipe', 'Bahia', 'Paraíba', 'Goiás', 'Pernambuco', 'Mato Grosso', 'Piauí', 'Pará', 'Roraima', 'Rondônia', 'Acre', 'Alagoas', 'Ceará', 'Tocantins', 'Amapá', 'Maranhão', 'Amazonas')

# Definição das maiores notas por estado
medias <- c(561.15, 560.08, 554.27, 550.01, 549.81, 549.59, 548.92, 539.19, 530.60, 526.48, 523.33, 522.90, 521.88, 520.69, 520.25, 519.43, 517.78, 511.77, 511.08, 510.37, 510.27, 509.52, 506.03, 503.91, 500.74, 496.31, 485.29)

# Criação do gráfico de barras relacionando as medias para com os estados
grafico_estados <- barplot(medias, 
                           names.arg = estados, 
                           col = rainbow(length(estados)), 
                           main = "Médias por Estado", 
                           xlab = "Estados", 
                           ylab = "Média Geral", 
                           ylim = c(0, 750), 
                           cex.axis = 1.2, 
                           las = 2, 
                           width = 2.5,  # Aumentamos a largura das barras
                           space = 2.0,
                           cex.names = 0.8,
                           cex.main = 1.2,
                           axisnames = TRUE)  

# Adicionando porcentagens na diagonal
text(grafico_estados, medias + 185, labels = paste(round(medias, 2), "%"), pos = 2, cex = 0.8, srt = 45, offset = -1.5)

text
function (x, ...) 
UseMethod("text")
<bytecode: 0x0000024ef4c18d50>
<environment: namespace:graphics>

Tipo de Escola

É notável o fato de que a maioria dos inscritos que realizaram a prova do ENEM em Pernambuco são provenientes de escolas públicas. Essa predominância pode ser reflexo de diversos fatores, incluindo a demografia do estado, políticas de acesso à educação pública e até mesmo a percepção da qualidade do ensino oferecido pelas instituições públicas de ensino.

Surpreendentemente, os dados revelam que a média das notas dos estudantes de escola pública tende a ser maior do que a dos estudantes de escolas privadas. Essa disparidade pode ser atribuída a várias razões, como o foco maior em preparação para exames nacionais por parte das escolas públicas, programas de incentivo ao estudo e até mesmo uma maior dedicação por parte dos alunos que reconhecem na educação pública uma oportunidade de ascensão social.

# definição dos tipos de escola existentes
tipo_escola <- c('Público', 'Privado', 'Não Informado')

# soma da contagem de indivíduos por tipo de escola
quantidade_tipo_escola <- c(sum(dados_enem22_PE_aplicacoes_validas$TP_ESCOLA == 2),
                            sum(dados_enem22_PE_aplicacoes_validas$TP_ESCOLA == 3),
                            sum(dados_enem22_PE_aplicacoes_validas$TP_ESCOLA == 1))

# criação do dataframe relacionando o tipo de escola para com a quantidade de pessoas desse tipo
df_tipo_escola <- data.frame(tipo_escola, quantidade_tipo_escola)

# criação do gráfico de pizza
grafico_pizza <- ggplot(df_tipo_escola, aes(x = "", y = quantidade_tipo_escola, fill = tipo_escola)) +
  geom_bar(stat = "identity", width = 1) +
  coord_polar("y") +
  theme_void() +
  theme(legend.title = element_blank(),
        legend.position = "right",
        legend.text = element_text(face = "bold", size = 12),
        plot.title = element_text(hjust = 0.5, face = "bold", size = 18)) +
  scale_fill_manual(values = c("#8ac4d0", "#3a8ca7", "#fec036")) + 
  geom_text(aes(label = paste0(round(quantidade_tipo_escola / sum(quantidade_tipo_escola) * 100, 1), "%")), 
            position = position_stack(vjust = 0.5), size = 5, color = "white", fontface = "bold") +  # incrementação dos percentuais
  labs(title = "Número de Candidatos por Tipo de Escola")

# visualização do gráfico
print(grafico_pizza)

# cálculo da média das notas por tipo de escola
average_scores_by_school_type <- aggregate(media_notas ~ TP_ESCOLA, data = pne, mean)

# definição dos tipos de escola atrelado aos valores dos dados
tipo_escola <- c('Público', 'Privado', 'Não Informado')

# criação do gráfico de barras
grafico_escola <- ggplot(average_scores_by_school_type, aes(x = factor(TP_ESCOLA, labels = tipo_escola), y = media_notas, fill = factor(TP_ESCOLA, labels = tipo_escola))) +
  geom_bar(stat = "identity") +
  labs(x = 'Tipo de Escola', y = 'Nota Média', title = 'Média de Notas por Tipo de Escola') +
  theme_minimal() +
  scale_fill_manual(values = c("#8ac4d0", "#3a8ca7", "#2c4148"), name = "Tipo de Escola") +  # Cores e legenda
  theme(axis.text.x = element_text(angle = 45, hjust = 1))  # rotacionamento dos rótulos do eixo x

# visualização do gráfico
print(grafico_escola)

Conclusão

Para concluir, buscamos identificar o impacto de fatores históricos e sociais, como renda familiar, raça e escolaridade dos pais, com foco em Pernambuco, destacar a interconexão desses fatores e como eles influenciam no desempenho dos candidatos pernambucanos.

Dados usados e metodologia empregada

Com os dados que foram obtidos a partir da metodologia adotada para a pesquisa, percebemos que Pernambuco, apesar de avanços no sistema educacional, ainda está abaixo dos estados com as melhores médias, destacando a existência de disparidades regionais. A relação entre as médias e a composição racial indica a presença de desigualdades, mesmo que não diretamente visíveis nas análises.

Insights interessantes

  • Um insight significativo obtido da análise dos dados é a disparidade nas autodeclarações étnico-raciais dos participantes do ENEM 2022 em Pernambuco. Surpreendentemente, enquanto 48.09% dos participantes se autodeclararam como pardos, apenas 11.09% optaram pela declaração como pretos, e 36.02% como brancos. Essa discrepância pode ser interpretada como um reflexo das complexidades e nuances da identidade racial no Brasil, onde categorias como “pardo” podem abranger uma gama diversificada de experiências e origens étnicas. Essa distribuição desigual de autodeclarações étnico-raciais ressalta a importância de uma análise mais aprofundada das dinâmicas sociais e culturais que moldam as percepções de identidade racial, bem como a necessidade de políticas e programas que abordem efetivamente as disparidades resultantes em acesso a oportunidades educacionais e sociais.

  • Surpreendentemente, ao analisar as médias de notas, excluindo os dados dos participantes que não informaram sua raça ou se autodeclararam como “sem informação”, percebemos que as maiores médias são das pessoas autodeclaradas como pretas. Esse resultado desafia algumas percepções convencionais e estereotipadas sobre desempenho acadêmico e raça, destacando a importância de uma análise mais detalhada das dinâmicas sociais e educacionais que podem estar por trás desse fenômeno. Esse insight também ressalta a necessidade de políticas e programas que promovam equidade e igualdade de oportunidades educacionais, independentemente da origem étnico-racial dos estudantes.

  • Outro aspecto destacado nas conclusões é a influência direta da renda familiar no desempenho dos estudantes. A correlação entre o aumento da renda familiar e o aumento nas médias ressalta a urgência de abordar as desigualdades econômicas que impactam negativamente o acesso a recursos educacionais, gerando discrepâncias no processo de aprendizagem.

Implicações

Em resumo, este trabalho aponta para a necessidade de investimentos contínuos na educação básica pernambucana, a ampliação de políticas de ação afirmativa, a criação de programas de apoio financeiro para estudantes de baixa renda e uma revisão constante das estratégias educacionais implementadas. Essas conclusões destacam a complexidade dos desafios educacionais em Pernambuco, mas também ressaltam a importância de ações proativas para promover um ambiente educacional mais equitativo e acessível a todos os estudantes.

Limitações e próximos passos

As limitações desta análise incluem a falta de dados longitudinais para acompanhar o progresso dos alunos ao longo do tempo, bem como a possível subjetividade na interpretação dos resultados. Para melhorar a análise, seria útil incorporar dados adicionais, como informações sobre o ambiente escolar e as condições de aprendizagem dos alunos. Além disso, uma abordagem mais qualitativa, por meio de entrevistas ou grupos focais, poderia fornecer insights complementares sobre as experiências dos alunos e as percepções dos educadores.