1 Contextualização

Criado em 2004 e institucionalizado pela Lei nº 11.096, em 2005, o Prouni tem como principal objetivo ampliar o ingresso de estudantes brasileiros na educação superior, contribuindo para um maior acesso de estudantes de baixa renda às instituições privadas de ensino superior.

O ProUni foi responsável por aumentar as matrículas no setor privado, com uma média anual de crescimento de 5,15%.

2 Objetivo

  • Qual turno tem a maior frequência ?
  • Qual é a modalidade mais comum ?
  • Quais são os cursos mais populares?
  • Quais universidades foram mais escolhidas?
  • Qual é a distribuição de beneficiários por região?
  • Qual é a distribuição de beneficiários por estado?
  • Como é a distribuição de gênero entre os bolsistas?
  • Como se distribuem o gênero por curso?
  • Quantos cursos existem em cada categoria de raça/etnia?

3 Carregando Pacote

library(tidyverse)
library(rmarkdown)
library(htmltools)

4 Leitura e visualização do banco de dados

dat <- read.csv("ProuniRelatorio2020.csv")
glimpse(dat)
## Rows: 166,830
## Columns: 14
## $ CODIGO_EMEC_IES_BOLSA  <int> 322, 163, 17670, 203, 203, 203, 203, 203, 203, …
## $ NOME_IES_BOLSA         <chr> "UNIVERSIDADE PAULISTA", "UNIVERSIDADE ESTÁCIO …
## $ MUNICIPIO              <chr> "IPATINGA", "FORTALEZA", "QUIXERAMOBIM", "SAO P…
## $ CAMPUS                 <chr> "IPATINGA", "EAD VIA CORPVS - CE", "FACULDADE D…
## $ TIPO_BOLSA             <chr> "INTEGRAL", "INTEGRAL", "INTEGRAL", "PARCIAL", …
## $ MODALIDADE             <chr> "EAD", "EAD", "PRESENCIAL", "PRESENCIAL", "PRES…
## $ NOME_CURSO_BOLSA       <chr> "PEDAGOGIA", "MARKETING", "FARMÁCIA", "DIREITO"…
## $ TURNO                  <chr> "CURSO A DISTÂNCIA", "CURSO A DISTÂNCIA", "NOTU…
## $ SEXO_BENEFICIARIO      <chr> "F", "M", "M", "F", "F", "F", "F", "F", "F", "F…
## $ RACA_BENEFICIARIO      <chr> "Parda", "Parda", "Parda", "Branca", "Branca", …
## $ DATA_NASCIMENTO        <chr> "11/8/1973", "13/05/1987", "23/07/2001", "4/4/2…
## $ REGIAO_BENEFICIARIO    <chr> "SUDESTE", "NORDESTE", "NORDESTE", "NORDESTE", …
## $ UF_BENEFICIARIO        <chr> "MG", "CE", "CE", "BA", "SP", "SP", "SP", "SP",…
## $ MUNICIPIO_BENEFICIARIO <chr> "GOVERNADOR VALADARES", "FORTALEZA", "MOMBACA",…

5 Renomeando as variáveis

dat <- rename(dat,
              instituicao = NOME_IES_BOLSA,
              modalidade = MODALIDADE,
              curso = NOME_CURSO_BOLSA,
              turno = TURNO,
              sexo = SEXO_BENEFICIARIO,
              raca = RACA_BENEFICIARIO,
              data_nasc = DATA_NASCIMENTO,
              regiao = REGIAO_BENEFICIARIO,
              uf = UF_BENEFICIARIO,
              municipio = MUNICIPIO_BENEFICIARIO,
              tipos_bolsa= TIPO_BOLSA
)
paged_table(head(dat,10))

6 Convertando variáveis em factor

raca <- as.factor(dat$raca)
sexo <- as.factor(dat$sexo)
curso <- as.factor(dat$curso)

6.0.1 Qual turno tem a maior frequência ?

count_cursos <- dat %>% 
  group_by(turno) %>% 
  summarise(curso_unicos = n_distinct(curso))
count_cursos <- count_cursos %>%
  mutate(turno = factor(turno, levels = unique(turno[order(curso_unicos, decreasing = FALSE)])))

7 Qual é a modalidade mais comum ?

8 Quais são os cursos mais populares?

top_cursos <- dat %>%
  count(curso) %>%
  top_n(10, n)
top_cursos <- top_cursos %>%
  mutate(curso = factor(curso, levels = curso[order(n, decreasing = TRUE)]))

9 Quais universidades foram mais escolhidas

top_ies <- dat %>%
  count(instituicao) %>%
  top_n(10, n)
top_ies <- top_ies %>% 
  mutate(instituicao = factor(instituicao, levels = instituicao[order(n, decreasing = TRUE)]))

10 Qual é a distribuição de beneficiários por região?

11 Qual é a distribuição de beneficiários por estado?

ggplot(dat, aes(x = uf, fill = uf)) +
  geom_histogram(stat = "count", position = "dodge") +  
  labs(
    title = "Concentração de Beneficiário por Estado",
    x = "Estado"
  ) +
  theme(axis.title.y = element_blank()) +
  scale_fill_manual(values = hcl.colors(n = 28, palette = "Temps"))+  guides(fill = "none") +
  theme_minimal()

12 Como é a distribuição de gênero entre os bolsistas?

sexo_e_cursos <- dat %>% 
  group_by(sexo) %>% 
  summarise(curso_unicos = n_distinct(curso))

13 Como os cursos se distribuem por gênero?

14 Quantos cursos há em cada categoria de raça/etnia?

raca_e_cursos <- dat %>% 
  group_by(raca) %>% 
  summarise(curso_unicos = n_distinct(curso))

15 Quantos cursos há em cada categoria de raça/etnia?

top_cursos_raca <- dat %>%
  filter(curso %in% top_cursos$curso) %>%
  group_by(curso, raca) %>%
  summarise(n = n(), .groups = "drop") %>%
  arrange(curso, raca)

16 Conclusão

Durante a análise da base de dados do ProUni, identifiquei alguns pontos relevantes que gostaria de destacar:

  • Frequência do Turno Noturno: O turno noturno é o mais comum entre os beneficiários do ProUni, sugerindo uma preferência por horários mais flexíveis para conciliar estudos e outras responsabilidades.

  • Modalidade de Bolsas: A modalidade mais escolhida entre EAD e Parcial é a Integral (bolsa 100%), indicando uma preferência por bolsas que oferecem cobertura total dos custos educacionais.

  • Representatividade do Gênero Feminino: O gênero feminino é o mais representado entre os beneficiários do ProUni, e também está amplamente presente nos cursos mais frequentes, sugerindo uma participação ativa das mulheres no programa.

  • Autodeclaração Étnico-Racial: Pessoas autodeclaradas pardas são mais comuns do que as autodeclaradas brancas, e também são mais frequentes nos cursos mais populares, apontando para a importância da representatividade étnico-racial no acesso à educação superior.