arq1 <- read_delim("E:/Isgael/R/Análise dos cursos de licenciatura ENADE 2021/microdados_Enade_2021/2.DADOS/microdados2021_arq1.txt",
delim = ";", escape_double = FALSE, col_types = cols(NU_ANO = col_character(),
CO_CURSO = col_character(), CO_IES = col_character(),
CO_CATEGAD = col_character(), CO_ORGACAD = col_character(),
CO_GRUPO = col_character(), CO_MODALIDADE = col_character(),
CO_MUNIC_CURSO = col_character(),
CO_UF_CURSO = col_character(), CO_REGIAO_CURSO = col_character()),
trim_ws = TRUE)Análise do ENADE 2021 da Região Metropolitana de Belo Horizonte
Caso queira um resumo das medidas de tendencia central das notas, comparando cursos presenciais e EaD, acesse este link.
1 INTRODUÇÃO
Esse estudo de caso busca responder as seguintes perguntas: Os cursos de licenciatura EaD da Região Metropolitana de Belo Horizonte tiraram notas boas na edição de 2021 do ENADE? Como ela se compara com os cursos presenciais da região? Caso sejam diferentes, existe uma diferença estatística entre essas duas modalidades? Para responder essas perguntas, utilizaremos os microdados do ENADE 2021, disponíveis no site do inep, filtrando apenas os cursos presentes na RMBH. Para as análises, utilizaremos a linguagem de programação R, criada com o proposito de trabalhar com dados, sendo ótima para o nosso caso. Além da facilidade de trabalhar com dados, o R é ótimo para plotar graficos e mapas, além de ser open source e gratuito.
Além de responder a essas perguntas, este documento irá descrever como foi todo o processo da analise, desde pegar e tratar os dados, até as análises estátisticas e as conclusões que podemos tirar. Como estamos analisando os dados de uma avaliação, primeiro temos que entender, que tipo de avaliação é o ENADE?
2 AVALIAÇÃO DO ENSINO SUPERIOR
O Exame Nacional de Desempenho dos Estudantes (ENADE) tem como objetivo mensurar alguns conhecimentos e habilidades de estudantes concluintes de cursos superiores, criando a partir dessas notas indicadores de qualidade para a instituição em que estão vinculados. Além do ENADE, também existe a “Avaliação de cursos de Graduação”e a “Avaliação institucional”. Todas essas três avaliações fazem parte do Sistema Nacional de Avaliação do Ensino Superior (Sinaes). Os indicadores produzidos por essas 3 avalições são:
Conceito ENADE: Avalia os cursos a partir do desempenho dos estudantes no Enade;
Indicador de Diferença entre os Desempenhos Observado e Esperado (IDD): Mensura o quanto um estudante evoluiu ao fazer a graduação, comparando o seu rendimento no ENADE com o seu rendimento no Enem;
Conceito Preliminar de Curso (CPC): Avalia os cursos de graduação a partir das suas estruturas, corpo docente, recursos didatico-pedagogicos, conforme metodologia aprovada pela Comissão Nacional de Avaliação da Educação Superior;
Índice Geral de Cursos (IGC): Indicador de qualidade das instituições de nível superior. Ele é calculado a partir da média dos CPC’s dos ultimos 3 anos, Avalição dos cursos de pós atribuidos pela Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) nos ultimos 3 anos, e distribuição dos estudantes, tanto os de graduação quanto os de pós stricto sensu.
Algo que vale destacar é que a partir de 2024 o ENADE começou a fazer uma Avaliação Prática, onde os estudantes que estiverem fazendo o estágio obrigatório tem que se cadastrar no sistema, enviar o seu plano de aula para serem avaliados. A avaliação é feita pelo professor supervisor do campo de estágio, e do professor da instituição superior. Caso queira saber mais, é só clicar aqui. Essa avaliação é importante pois as habilidades e competencias que vão para além do dominio teórico, considerando também a relação com os estudantes, a forma em que a aula foi ministrada, como os materiais foram utilizados, os valores que estão sendo passados na aula. O ENADE 2021 conta com questões discursivas e objetivas, as questões discursivas tendo peso de 40% da nota, e as objetivas 60%.
Um elemento importante a ser considerado é que o ENADE é uma avaliação obrigatória, mas que não trás consequencias aos estudantes que forem mal na prova. Sem nenhum tipo de incentivo para tirar uma nota boa no exame, levaremos em consideração a percepção dos alunos sobre a prova, analisando mais especificamente a nota dos estudantes por essa variavel.
3 PREPARAÇÃO DOS DADOS
3.1 Por que não responder as perguntas analisando o Conceito ENADE?
Para a nossa analise usaremos os microdados do ENADE. Caso quisermos uma resposta mais resumida sobre as nossas perguntas, poderiamos simplesmente checar nos resultados do Conceito Enade, que já tem a média das notas, e comparar as instituições. O problema de basear a análise apenas nas médias é que quando agregamos os dados, os “pontos fora da curva” acabam interferindo na média, impossibilitando uma analise estatística mais rigorosa. Além disso, com os microdados nós podemos calcular se existe uma diferença estatística entre os resultados, e o quão forte é essa diferença. Para ajudar, podemos pensar a partir da seguinte pergunta:
- Os cursos presenciais tiveram uma média maior que os cursos EaD, mas, o quão maior foi essa nota? Será que tirar uma nota melhor faz os cursos presencias serem realmente melhores? O que é tirar uma nota melhor?
3.2 Importando os banco de dados
Os microdados do enade se encontram no site do Inep. Ao baixar o arquivo, descompactamos o arquivo .zip e nos deparamos com duas subpastas, uma chamada “LEIA-ME”, e outra chamada “DADOS”. A primeira pasta contém o manual do usuario, com informações sobre o ENADE; os questionários que os estudantes responderam; e o dicionário das variáveis, com os seus nomes, rotulos e valores, e os codigos do municipios presentes nos bancos de dados. Na pasta DADOS, estão…os dados! São 43 bancos de dados no formato .csv. Para esta analise, utilizaremos o arquivo 1, contendo os municipios e as modalidades dos cursos, e o arquivo 3, que contem as notas gerais, dos componentes especificos, da formação geral, e a percepção dos estudantes sobre a prova. Como chave primária, as duas bases possuem a variavel “CO_CURSO”, sendo possivel juntar as duas bases, filtrando apenas as cidades da RMBH.
Vamos começar importanto o arquivo 1 dos dados:
Checando se a base foi importada corretamente:
## # A tibble: 1 × 2
## observacoes variaveis
## <int> <int>
## 1 489866 10| NU_ANO | CO_CURSO | CO_IES | CO_CATEGAD | CO_ORGACAD | CO_GRUPO | CO_MODALIDADE | CO_MUNIC_CURSO | CO_UF_CURSO | CO_REGIAO_CURSO |
|---|---|---|---|---|---|---|---|---|---|
| 2021 | 1401623 | 18165 | 2 | 10028 | 702 | 0 | 3550308 | 35 | 3 |
| 2021 | 1260026 | 1205 | 4 | 10022 | 6409 | 0 | 4113205 | 41 | 4 |
| 2021 | 1102413 | 588 | 1 | 10028 | 1402 | 1 | 4106902 | 41 | 4 |
| 2021 | 14511 | 587 | 1 | 10028 | 1502 | 1 | 2611606 | 26 | 2 |
| 2021 | 13591 | 580 | 1 | 10028 | 1501 | 1 | 2611606 | 26 | 2 |
| 2021 | 1404203 | 2111 | 5 | 10020 | 3501 | 0 | 2312908 | 23 | 2 |
| 2021 | 98892 | 1491 | 4 | 10020 | 2001 | 0 | 3304557 | 33 | 3 |
| 2021 | 96955 | 595 | 1 | 10028 | 702 | 1 | 3101607 | 31 | 3 |
| 2021 | 98892 | 1491 | 4 | 10020 | 2001 | 0 | 3304557 | 33 | 3 |
| 2021 | 495 | 5 | 1 | 10028 | 3002 | 1 | 2211001 | 22 | 2 |
| 2021 | 1268545 | 322 | 4 | 10028 | 904 | 0 | 3550308 | 35 | 3 |
| 2021 | 89380 | 298 | 4 | 10028 | 2001 | 0 | 3106200 | 31 | 3 |
| 2021 | 1164982 | 135 | 5 | 10020 | 3501 | 0 | 3505906 | 35 | 3 |
| 2021 | 1458717 | 1491 | 4 | 10020 | 1601 | 0 | 4106902 | 41 | 4 |
| 2021 | 1420353 | 1196 | 4 | 10028 | 3501 | 0 | 4115200 | 41 | 4 |
| 2021 | 115872 | 17 | 1 | 10028 | 1602 | 1 | 3170206 | 31 | 3 |
| 2021 | 1465702 | 456 | 5 | 10020 | 79 | 0 | 3550308 | 35 | 3 |
| 2021 | 1190159 | 298 | 4 | 10028 | 702 | 0 | 4113700 | 41 | 4 |
| 2021 | 1279605 | 316 | 5 | 10028 | 2001 | 1 | 3550308 | 35 | 3 |
| 2021 | 90677 | 3172 | 2 | 10028 | 4005 | 1 | 1301902 | 13 | 1 |
Verificando no dicionário, a importação dos dados ocorreu sem erros. Como pode perceber, a base inteira tem miseras 489,866 observações! Essa base considera o Brasil inteiro. Como queremos analisar apenas a RMBH, precisamos filtrar essa base. Para facilitar a organização dos dados, evitando criar banco de dados intermediários, utilizaremos pipes para filtrar os municipios da RMBH, renomear os valores da variavel CO_MODALIDADE para “EaD” e “Presencial”, e trocar o codico das cidades pelos seus nomes.
arq1_rmbh <- arq1 |>
filter(CO_MUNIC_CURSO %in% c(3106200, 3105004,3118601, 3106705, 3109006,
3110004, 3112505,3117876, 3124104, 3126000,
3129806, 3130101,3131901, 3132206, 3133709,
3133808, 3134608,3136652, 3137601, 3140159,
3140704, 3141108,3142304, 3144805, 3136603,
3147105, 3149309,3153608, 3153905, 3154606,
3154804, 3155306,3156700, 3157203, 3157807,
3161908, 3162922,3163102, 3165537, 3167202,
3168309, 3171204,3105400, 3106408, 3107703,
3108107, 3126406,3127206, 3131000)) |>
mutate(CO_MODALIDADE = recode(CO_MODALIDADE,
"0" = "EaD",
"1" = "Presencial" )) |>
mutate(CO_MUNIC_CURSO = as.character(CO_MUNIC_CURSO)) |>
mutate(CO_MUNIC_CURSO = recode(CO_MUNIC_CURSO,
"3105400" = "Barao de Cocais",
"3106200" = "Belo Horizonte",
"3106705" ="Betim",
"3118601" = "Contagem",
"3126000" = "Florestal",
"3129806" = "Ibirité",
"3133808" = "Itaúna",
"3147105" = "Pará de Minas",
"3156700" = "Sabará",
"3167202" = "Sete Lagoas")) |>
arrange(desc(CO_CURSO))Verificando se as observações foram corretamente filtradas por cidade:
table(arq1_rmbh$CO_MUNIC_CURSO)
Barao de Cocais Belo Horizonte Betim Contagem Florestal
20 38940 203 275 141
Ibirité Itaúna Pará de Minas Sabará Sete Lagoas
438 35 49 35 39 Observamos que Belo Horizonte possui 96,9% das observações! Voltaremos para essa questão mais a frente. Agora, vamos selecionar as variaveis que iremos trabalhar:
arq1_rmbh <- arq1_rmbh |>
select(CO_CURSO, CO_IES, CO_CATEGAD, CO_MODALIDADE, CO_MUNIC_CURSO)# A tibble: 1 × 2
observacoes variaveis
<int> <int>
1 40175 5| CO_CURSO | CO_IES | CO_CATEGAD | CO_MODALIDADE | CO_MUNIC_CURSO |
|---|---|---|---|---|
| 1268023 | 298 | 4 | EaD | Belo Horizonte |
| 1268023 | 298 | 4 | EaD | Belo Horizonte |
| 89380 | 298 | 4 | EaD | Belo Horizonte |
| 1268023 | 298 | 4 | EaD | Belo Horizonte |
| 89380 | 298 | 4 | EaD | Belo Horizonte |
| 89380 | 298 | 4 | EaD | Belo Horizonte |
| 89380 | 298 | 4 | EaD | Belo Horizonte |
| 89380 | 298 | 4 | EaD | Belo Horizonte |
| 12973 | 575 | 1 | Presencial | Belo Horizonte |
| 1268023 | 298 | 4 | EaD | Belo Horizonte |
| 89380 | 298 | 4 | EaD | Belo Horizonte |
| 88509 | 338 | 5 | Presencial | Belo Horizonte |
| 89380 | 298 | 4 | EaD | Belo Horizonte |
| 89380 | 298 | 4 | EaD | Belo Horizonte |
| 366629 | 1509 | 4 | Presencial | Belo Horizonte |
| 89380 | 298 | 4 | EaD | Belo Horizonte |
| 89380 | 298 | 4 | EaD | Belo Horizonte |
| 89380 | 298 | 4 | EaD | Belo Horizonte |
| 89380 | 298 | 4 | EaD | Belo Horizonte |
| 150300 | 663 | 5 | Presencial | Belo Horizonte |
Agora, vamos importar o arquivo 3 dos dados:
arq3 <- read_delim("E:/Isgael/R/Análise dos cursos de licenciatura ENADE 2021/microdados_Enade_2021/2.DADOS/microdados2021_arq3.txt",
delim = ";", escape_double = FALSE, col_types = cols(NU_ANO = col_character(),
CO_CURSO = col_character()), trim_ws = TRUE)# A tibble: 1 × 2
observacoes variaveis
<int> <int>
1 489866 52| NU_ANO | CO_CURSO | NU_ITEM_OFG | NU_ITEM_OFG_Z | NU_ITEM_OFG_X | NU_ITEM_OFG_N | NU_ITEM_OCE | NU_ITEM_OCE_Z | NU_ITEM_OCE_X | NU_ITEM_OCE_N | DS_VT_GAB_OFG_FIN | DS_VT_GAB_OCE_FIN | DS_VT_ESC_OFG | DS_VT_ACE_OFG | DS_VT_ESC_OCE | DS_VT_ACE_OCE | TP_PRES | TP_PR_GER | TP_PR_OB_FG | TP_PR_DI_FG | TP_PR_OB_CE | TP_PR_DI_CE | TP_SFG_D1 | TP_SFG_D2 | TP_SCE_D1 | TP_SCE_D2 | TP_SCE_D3 | NT_GER | NT_FG | NT_OBJ_FG | NT_DIS_FG | NT_FG_D1 | NT_FG_D1_PT | NT_FG_D1_CT | NT_FG_D2 | NT_FG_D2_PT | NT_FG_D2_CT | NT_CE | NT_OBJ_CE | NT_DIS_CE | NT_CE_D1 | NT_CE_D2 | NT_CE_D3 | CO_RS_I1 | CO_RS_I2 | CO_RS_I3 | CO_RS_I4 | CO_RS_I5 | CO_RS_I6 | CO_RS_I7 | CO_RS_I8 | CO_RS_I9 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2021 | 1314234 | 8 | 0 | 0 | 0 | 27 | 0 | 5 | 0 | ECBBAACD | XBXADCCCEBDDBDDXEXEACXDACCE | DBEAABDB | 00001000 | CDEACCDBAACCAEAACBDAEADCDBE | 909101000000000909010910001 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 17.6 | 12.5 | 12.5 | 12.5 | 8 | 40 | 0 | 17 | 25 | 15 | 19.3 | 22.7 | 0.0 | 0 | 0 | 0 | C | D | D | A | A | A | B | D | D |
| 2021 | 1164982 | 8 | 0 | 0 | 0 | 27 | 2 | 6 | 0 | ECBBAACD | ZADXBXCXAEBBCCABZXBEXXDCECA | NA | NA | NA | NA | 222 | 222 | 222 | 222 | 222 | 222 | 222 | 222 | 222 | 222 | 222 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2021 | 1443997 | 8 | 0 | 0 | 0 | 27 | 0 | 4 | 0 | ECBBAACD | ABXADCCCEBDDBDDXEXDEEACBBXD | NA | NA | NA | NA | 222 | 222 | 222 | 222 | 222 | 222 | 222 | 222 | 222 | 222 | 222 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2021 | 89380 | 8 | 0 | 0 | 0 | 27 | 0 | 4 | 0 | ECBBAACD | DAXXBEBDEXCCBBBCECXADADACCE | NA | NA | NA | NA | 556 | 556 | 556 | 556 | 556 | 556 | 556 | 556 | 556 | 556 | 556 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2021 | 3197 | 8 | 0 | 0 | 0 | 27 | 2 | 6 | 0 | ECBBAACD | EBDXXCCBXEDAXACEXADBZEEXZCD | BBBBCADE | 00110100 | BBDDDCEBCBDECAEEAAEACEBADCE | 011991019010910191008109810 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 44.0 | 31.3 | 37.5 | 22.0 | 10 | 50 | 0 | 34 | 50 | 30 | 48.2 | 52.6 | 23.3 | 20 | 50 | 0 | D | D | B | B | C | C | D | C | B |
| 2021 | 1152593 | 8 | 0 | 0 | 0 | 27 | 0 | 5 | 0 | ECBBAACD | XXAXDBDADEDXBEACXADEADDACCE | CCBAACCA | 01101010 | EABEABDADEDEAEACDADEADDACCE | 990901111119011191111111111 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 75.6 | 53.6 | 50.0 | 59.0 | 61 | 85 | 55 | 57 | 85 | 50 | 82.9 | 86.4 | 63.3 | 40 | 90 | 60 | D | D | B | B | B | B | D | E | B |
| 2021 | 1374069 | 8 | 0 | 0 | 0 | 27 | 2 | 6 | 0 | ECBBAACD | ZADXBXCXAEBBCCABZXBEXXDCECA | CBBAEDCA | 00100010 | DBDEBDDBAECCCCBEEDBCAACDBDA | 801919091100110089109900001 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 33.5 | 19.8 | 25.0 | 12.0 | 7 | 35 | 0 | 17 | 25 | 15 | 38.0 | 42.1 | 15.0 | 0 | 45 | 0 | C | B | C | C | C | C | D | E | B |
| 2021 | 29447 | 8 | 0 | 0 | 0 | 27 | 0 | 3 | 0 | ECBBAACD | XDEDXABCACDCBAABECADCXDACCE | EAEACBCC | 10000010 | ADBAAAEEAEECBEEAAEEDEADADAE | 910091001001100000010911001 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 31.5 | 22.8 | 25.0 | 19.5 | 8 | 40 | 0 | 31 | 55 | 25 | 34.4 | 37.5 | 16.7 | 50 | 0 | 0 | D | D | D | B | B | E | B | B | D |
| 2021 | 115882 | 8 | 0 | 0 | 0 | 27 | 2 | 6 | 0 | ECBBAACD | ZADXBXCXAEBBCCABZXEXCXDACCE | NA | NA | NA | NA | 222 | 222 | 222 | 222 | 222 | 222 | 222 | 222 | 222 | 222 | 222 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2021 | 98892 | 8 | 0 | 0 | 0 | 27 | 0 | 4 | 0 | ECBBAACD | DAXXBEBDEXCCBBBCECXADADACCE | BBBACEAB | 00100000 | ABADBECDACCCBBBAECEADAEAADE | 009911010911111011911101001 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 55.4 | 27.5 | 12.5 | 50.0 | 34 | 50 | 30 | 66 | 70 | 65 | 64.7 | 65.2 | 61.7 | 30 | 90 | 65 | D | D | C | C | D | D | B | B | D |
| 2021 | 1143724 | 8 | 0 | 0 | 0 | 27 | 0 | 4 | 0 | ECBBAACD | DAXXBEBDEXCCBBBCECXADADACCE | NA | NA | NA | NA | 222 | 222 | 222 | 222 | 222 | 222 | 222 | 222 | 222 | 222 | 222 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2021 | 1382608 | 8 | 0 | 0 | 0 | 27 | 0 | 4 | 0 | ECBBAACD | ECBCXEXAAEDDCAEXAABDCXDACCE | BBBDAEBD | 00101001 | CCBCBEBBDBECAADBAABDADEADAC | 011191900000010911110901000 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 666 | 555 | 38.5 | 34.1 | 37.5 | 29.0 | 25 | 65 | 15 | 33 | 65 | 25 | 40.0 | 43.5 | 20.0 | 40 | 0 | 0 | D | C | C | D | D | D | B | C | D |
| 2021 | 1271848 | 8 | 0 | 0 | 0 | 27 | 0 | 5 | 0 | ECBBAACD | XBXADCCCEBDDBDDXEXEACXDACCE | EABBCAED | 10110101 | BDDBDCBCECBDDDADEDEAEAEACDC | 909011011001010919110901100 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 46.6 | 47.3 | 62.5 | 24.5 | 35 | 55 | 30 | 14 | 70 | 0 | 46.3 | 50.0 | 25.0 | 50 | 25 | 0 | C | C | C | A | A | B | E | D | B |
| 2021 | 98892 | 8 | 0 | 0 | 0 | 27 | 0 | 4 | 0 | ECBBAACD | DAXXBEBDEXCCBBBCECXADADACCE | CDBAAAAC | 00101100 | ADBADEECEDCABBBCDADAEADACAC | 009901001910111100910111100 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 48.3 | 40.5 | 37.5 | 45.0 | 50 | 50 | 50 | 40 | 80 | 30 | 50.9 | 52.2 | 43.3 | 10 | 40 | 80 | D | D | A | C | C | D | B | A | D |
| 2021 | 11321 | 8 | 0 | 0 | 0 | 27 | 0 | 5 | 0 | ECBBAACD | XBXADCCCEBDDBDDXEXEACXDACCE | NA | NA | NA | NA | 222 | 222 | 222 | 222 | 222 | 222 | 222 | 222 | 222 | 222 | 222 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2021 | 315831 | 8 | 0 | 0 | 0 | 27 | 0 | 6 | 0 | ECBBAACD | EAEDXEDCBAXCXCCBDXDDEXCAXAB | BCDBCBED | 01010001 | ECDEEEAEDABEEEAEECAAEDECEBD | 100091000190900009001900900 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 21.6 | 25.9 | 37.5 | 8.5 | 7 | 35 | 0 | 10 | 10 | 10 | 20.2 | 19.0 | 26.7 | 30 | 0 | 50 | C | C | C | A | A | C | D | D | B |
| 2021 | 96655 | 8 | 0 | 0 | 0 | 27 | 0 | 4 | 0 | ECBBAACD | DAXXBEBDEXCCBBBCECXADADACCE | BCEBCACA | 01010110 | DADDBCBBECACBCBCCACCACAACDC | 119910101901101100900001100 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 333 | 555 | 555 | 555 | 46.1 | 37.0 | 50.0 | 17.5 | 35 | 55 | 30 | 0 | 0 | 0 | 49.1 | 47.8 | 56.7 | 100 | 55 | 15 | C | C | B | C | B | C | C | D | D |
| 2021 | 66506 | 8 | 0 | 0 | 0 | 27 | 0 | 7 | 0 | ECBBAACD | EAEDXEDCBAXCXXXXDXACABDACCE | NA | NA | NA | NA | 222 | 222 | 222 | 222 | 222 | 222 | 222 | 222 | 222 | 222 | 222 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2021 | 62584 | 8 | 0 | 0 | 0 | 27 | 2 | 6 | 0 | ECBBAACD | ZADXBXCXAEBBCCABZXEXCXDACCE | NA | NA | NA | NA | 222 | 222 | 222 | 222 | 222 | 222 | 222 | 222 | 222 | 222 | 222 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2021 | 15333 | 8 | 0 | 0 | 0 | 27 | 0 | 6 | 0 | ECBBAACD | EAEDXEDCBAXCXCCBDXDDEXCAXAB | EAEAAABA | 10001100 | CAEDDEBCBAE.CEEEDAAAECCACCD | 011191011190900019001911900 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 47.8 | 32.9 | 37.5 | 26.0 | 26 | 70 | 15 | 26 | 70 | 15 | 52.8 | 52.4 | 55.0 | 90 | 15 | 60 | C | D | A | B | A | D | B | C | D |
Para filtrar essa base, não podemos usar o método anterior, porque nessa base a unica variavel que podemos utilizar como filtro é o CO_CURSO. Para filtrar apenas os cursos presentes na região, utilizaremos a base arq1_rmbh para selecionar todos os cursos que pertencem a um determinado municipio da RMBH. Para o filtro, poderiamos digitar manualmente os cursos de cada municipio, atribuindo o nome da cidade em uma nova coluna. Porém, ao total são 165 cursos diferentes, sendo pouco prático digitar tudo a mão. Então, criamos um vetor (uma coluna que representa uma variavel e seus valores) com os cursos. Depois, vamos usar o mutate() para criar uma coluna com o nome das cidades. Analisando os cursos por municipio, Belo Horizonte tem sozinho 128 cursos, o resto ficando com as outras cidades. Então, para não criar vetores para todas as cidades, iremos criar um vetor apenas para BH, e nos outros municipios escrevemos manualmente os cursos:
arq3_rmbh <- arq3 |>
filter(CO_CURSO %in% c(vetor_cursos$CO_CURSO)) |>
mutate(CO_MUNIC_CURSO = case_when(CO_CURSO %in% c("111506") ~ "Barão de Cocais",
CO_CURSO %in% c(vetor_curso_bh$CO_CURSO) ~ "Belo Horizonte",
CO_CURSO %in% c("7523", "88208", "92080", "93396", "107631", "1068884", "1204896") ~ "Betim",
CO_CURSO %in% c("50250", "113328", "1188468", "1204187","1304525", "1364175", "1438252", "1523184", "1523189") ~ "Contagem",
CO_CURSO %in% c("122354","122356", "122358", "122360", "1114569", "1161839") ~ "Florestal",
CO_CURSO %in% c("56134","63888", "68511", "85136", "103600") ~ "Ibirité",
CO_CURSO %in% c("1285826") ~ "Itaúna",
CO_CURSO %in% c("16647", "54762", "5000213") ~ "Pará de Minas",
CO_CURSO %in% c("1191018") ~ "Sabará",
CO_CURSO %in% c("100212", "1121383", "1267045", "1358414") ~ "Sete Lagoas"))# A tibble: 1 × 2
observacoes variaveis
<int> <int>
1 40175 53| NU_ANO | CO_CURSO | NU_ITEM_OFG | NU_ITEM_OFG_Z | NU_ITEM_OFG_X | NU_ITEM_OFG_N | NU_ITEM_OCE | NU_ITEM_OCE_Z | NU_ITEM_OCE_X | NU_ITEM_OCE_N | DS_VT_GAB_OFG_FIN | DS_VT_GAB_OCE_FIN | DS_VT_ESC_OFG | DS_VT_ACE_OFG | DS_VT_ESC_OCE | DS_VT_ACE_OCE | TP_PRES | TP_PR_GER | TP_PR_OB_FG | TP_PR_DI_FG | TP_PR_OB_CE | TP_PR_DI_CE | TP_SFG_D1 | TP_SFG_D2 | TP_SCE_D1 | TP_SCE_D2 | TP_SCE_D3 | NT_GER | NT_FG | NT_OBJ_FG | NT_DIS_FG | NT_FG_D1 | NT_FG_D1_PT | NT_FG_D1_CT | NT_FG_D2 | NT_FG_D2_PT | NT_FG_D2_CT | NT_CE | NT_OBJ_CE | NT_DIS_CE | NT_CE_D1 | NT_CE_D2 | NT_CE_D3 | CO_RS_I1 | CO_RS_I2 | CO_RS_I3 | CO_RS_I4 | CO_RS_I5 | CO_RS_I6 | CO_RS_I7 | CO_RS_I8 | CO_RS_I9 | CO_MUNIC_CURSO |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2021 | 89380 | 8 | 0 | 0 | 0 | 27 | 0 | 4 | 0 | ECBBAACD | DAXXBEBDEXCCBBBCECXADADACCE | NA | NA | NA | NA | 222 | 222 | 222 | 222 | 222 | 222 | 222 | 222 | 222 | 222 | 222 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | Belo Horizonte |
| 2021 | 89380 | 8 | 0 | 0 | 0 | 27 | 0 | 4 | 0 | ECBBAACD | DAXXBEBDEXCCBBBCECXADADACCE | CDEAEECD | 00000011 | EABEAEBCAECEECBDDCDEABACEBE | 019901100910001001900000001 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 31.3 | 39.2 | 25.0 | 60.5 | 37 | 65 | 30 | 84 | 40 | 95 | 28.6 | 30.4 | 18.3 | 15 | 30 | 10 | C | B | B | A | A | B | B | D | D | Belo Horizonte |
| 2021 | 89380 | 8 | 0 | 0 | 0 | 27 | 0 | 4 | 0 | ECBBAACD | DAXXBEBDEXCCBBBCECXADADACCE | CABBCBDD | 00110001 | EBADDEBECCDEDBBEDDCBDBEACBD | 009901100900011000901001100 | 555 | 555 | 555 | 555 | 555 | 555 | 336 | 333 | 336 | 555 | 333 | 25.6 | 22.5 | 37.5 | 0.0 | 0 | 0 | 0 | 0 | 0 | 0 | 26.6 | 30.4 | 5.0 | 0 | 15 | 0 | C | C | B | A | A | C | E | C | D | Belo Horizonte |
| 2021 | 89380 | 8 | 0 | 0 | 0 | 27 | 0 | 4 | 0 | ECBBAACD | DAXXBEBDEXCCBBBCECXADADACCE | BAEDEACC | 00000110 | BADABDCEBEEEACECDDDADBBCDAD | 019910000900000100911000000 | 555 | 555 | 555 | 333 | 555 | 555 | 333 | 333 | 333 | 555 | 555 | 19.8 | 15.0 | 25.0 | 0.0 | 0 | 0 | 0 | 0 | 0 | 0 | 21.4 | 21.7 | 20.0 | 0 | 60 | 0 | D | C | D | C | B | D | D | B | E | Belo Horizonte |
| 2021 | 89380 | 8 | 0 | 0 | 0 | 27 | 0 | 4 | 0 | ECBBAACD | DAXXBEBDEXCCBBBCECXADADACCE | EABABAEC | 10100100 | CCACEAAEBDEEDAEDDDBABAACCBA | 009900000900000000910100100 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 18.6 | 27.5 | 37.5 | 12.5 | 5 | 25 | 0 | 20 | 40 | 15 | 15.6 | 13.0 | 30.0 | 50 | 30 | 10 | E | D | C | B | B | C | E | D | C | Belo Horizonte |
| 2021 | 89380 | 8 | 0 | 0 | 0 | 27 | 0 | 4 | 0 | ECBBAACD | DAXXBEBDEXCCBBBCECXADADACCE | CADAAADC | 00001100 | B*BDBBDECEEABBBEADDADAEACBE | 009910000900111000911101101 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 37.6 | 23.6 | 25.0 | 21.5 | 30 | 50 | 25 | 13 | 65 | 0 | 42.2 | 43.5 | 35.0 | 10 | 70 | 25 | C | C | C | A | D | D | B | C | D | Belo Horizonte |
| 2021 | 89380 | 8 | 0 | 0 | 0 | 27 | 0 | 4 | 0 | ECBBAACD | DAXXBEBDEXCCBBBCECXADADACCE | EABBCCDD | 10110001 | EBADBECCDCBCBCBEEDBCDACBCEE | 009911000901101010901100101 | 555 | 555 | 555 | 555 | 555 | 555 | 333 | 555 | 555 | 555 | 555 | 37.4 | 31.0 | 50.0 | 2.5 | 0 | 0 | 0 | 5 | 25 | 0 | 39.5 | 43.5 | 16.7 | 40 | 0 | 10 | D | C | A | D | C | D | B | D | D | Belo Horizonte |
| 2021 | 89380 | 8 | 0 | 0 | 0 | 27 | 0 | 4 | 0 | ECBBAACD | DAXXBEBDEXCCBBBCECXADADACCE | EAEAAACA | 10001110 | EAAAEABEDCECDBCAAEABBACADBC | 019900100901010000900101000 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 27.5 | 38.4 | 50.0 | 21.0 | 10 | 50 | 0 | 32 | 40 | 30 | 23.9 | 26.1 | 11.7 | 30 | 0 | 5 | C | C | C | A | A | A | A | C | C | Belo Horizonte |
| 2021 | 21979 | 8 | 0 | 0 | 0 | 27 | 1 | 5 | 0 | ECBBAACD | XECBDCDAXXABXEBBEEXADEACZDD | EABACBCE | 10100010 | DECBECDACCABBEBAEADBBBAECDA | 911101119911911010900010810 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 333 | 47.6 | 30.9 | 37.5 | 21.0 | 13 | 65 | 0 | 29 | 25 | 30 | 53.1 | 61.9 | 3.3 | 10 | 0 | 0 | C | D | C | B | B | B | D | C | B | Belo Horizonte |
| 2021 | 89380 | 8 | 0 | 0 | 0 | 27 | 0 | 4 | 0 | ECBBAACD | DAXXBEBDEXCCBBBCECXADADACCE | BAEADADE | 00000100 | CAADDECEEEEEEEECDECEEAEAEBB | 019901001900000100900101000 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 26.2 | 15.5 | 12.5 | 20.0 | 22 | 50 | 15 | 18 | 50 | 10 | 29.7 | 26.1 | 50.0 | 40 | 80 | 30 | D | C | C | B | B | C | E | D | C | Belo Horizonte |
| 2021 | 1374069 | 8 | 0 | 0 | 0 | 27 | 2 | 6 | 0 | ECBBAACD | ZADXBXCXAEBBCCABZXBEXXDCECA | EBEAAACA | 10001110 | DADEBDCBDCBBECEBCADEDBEEBAB | 811919190011010189019900000 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 42.9 | 41.0 | 50.0 | 27.5 | 8 | 40 | 0 | 47 | 55 | 45 | 43.5 | 47.4 | 21.7 | 0 | 15 | 50 | C | C | A | A | B | B | B | D | D | Belo Horizonte |
| 2021 | 89380 | 8 | 0 | 0 | 0 | 27 | 0 | 4 | 0 | ECBBAACD | DAXXBEBDEXCCBBBCECXADADACCE | NA | NA | NA | NA | 222 | 222 | 222 | 222 | 222 | 222 | 222 | 222 | 222 | 222 | 222 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | Belo Horizonte |
| 2021 | 89380 | 8 | 0 | 0 | 0 | 27 | 0 | 4 | 0 | ECBBAACD | DAXXBEBDEXCCBBBCECXADADACCE | NA | NA | NA | NA | 556 | 556 | 556 | 556 | 556 | 556 | 556 | 556 | 556 | 556 | 556 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | Belo Horizonte |
| 2021 | 89380 | 8 | 0 | 0 | 0 | 27 | 0 | 4 | 0 | ECBBAACD | DAXXBEBDEXCCBBBCECXADADACCE | EABAEBCE | 10100010 | DABEEEEBACBCBABCCEDADAEBCAE | 119901000901101100911100101 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 45.3 | 35.5 | 37.5 | 32.5 | 43 | 55 | 40 | 22 | 50 | 15 | 48.6 | 52.2 | 28.3 | 30 | 45 | 10 | C | C | B | A | A | B | B | D | D | Belo Horizonte |
| 2021 | 89380 | 8 | 0 | 0 | 0 | 27 | 0 | 4 | 0 | ECBBAACD | DAXXBEBDEXCCBBBCECXADADACCE | CABACACA | 00100110 | BCBBDCBEDABCAEDBCBAECDBCADD | 009900100901000000900000000 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 15.9 | 30.1 | 37.5 | 19.0 | 25 | 65 | 15 | 13 | 65 | 0 | 11.1 | 8.7 | 25.0 | 25 | 30 | 20 | C | C | A | B | B | D | D | C | C | Belo Horizonte |
| 2021 | 89380 | 8 | 0 | 0 | 0 | 27 | 0 | 4 | 0 | ECBBAACD | DAXXBEBDEXCCBBBCECXADADACCE | CBAAADEB | 00001000 | BCBEDBAB.CEACBDCAABACBECCBC | 009900000900010100910000100 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 24.7 | 33.3 | 12.5 | 64.5 | 57 | 65 | 55 | 72 | 40 | 80 | 21.8 | 17.4 | 46.7 | 60 | 70 | 10 | D | B | A | D | D | E | B | C | E | Belo Horizonte |
| 2021 | 89380 | 8 | 0 | 0 | 0 | 27 | 0 | 4 | 0 | ECBBAACD | DAXXBEBDEXCCBBBCECXADADACCE | BADAEAAE | 00000100 | EAADEBAEEEACBCBCEDBDCEAEBDC | 019900001901101110900000000 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 26.7 | 15.9 | 12.5 | 21.0 | 25 | 65 | 15 | 17 | 25 | 15 | 30.3 | 30.4 | 30.0 | 55 | 35 | 0 | D | D | A | B | C | A | C | B | D | Belo Horizonte |
| 2021 | 89380 | 8 | 0 | 0 | 0 | 27 | 0 | 4 | 0 | ECBBAACD | DAXXBEBDEXCCBBBCECXADADACCE | DAEAEACD | 00000111 | DBBDCACCCDBEBCEEABBACAEECAE | 109900000900100000910100101 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 555 | 25.7 | 25.5 | 37.5 | 7.5 | 10 | 50 | 0 | 5 | 25 | 0 | 25.7 | 26.1 | 23.3 | 45 | 15 | 10 | D | D | A | B | A | D | A | A | D | Belo Horizonte |
| 2021 | 89380 | 8 | 0 | 0 | 0 | 27 | 0 | 4 | 0 | ECBBAACD | DAXXBEBDEXCCBBBCECXADADACCE | AABACBBC | 00100000 | DBADDEACC.BA.ABDBECAEDACEEE | 109901000900001000910000001 | 555 | 555 | 555 | 333 | 555 | 555 | 333 | 333 | 333 | 555 | 555 | 18.8 | 7.5 | 12.5 | 0.0 | 0 | 0 | 0 | 0 | 0 | 0 | 22.5 | 21.7 | 26.7 | 0 | 70 | 10 | B | C | C | D | D | C | E | E | C | Belo Horizonte |
| 2021 | 89380 | 8 | 0 | 0 | 0 | 27 | 0 | 4 | 0 | ECBBAACD | DAXXBEBDEXCCBBBCECXADADACCE | ACDABDDB | 01000000 | DDCEAEABECCEACADAEAECAEACBB | 109901001910000000900101100 | 555 | 555 | 555 | 555 | 555 | 555 | 336 | 336 | 555 | 555 | 555 | 21.2 | 7.5 | 12.5 | 0.0 | 0 | 0 | 0 | 0 | 0 | 0 | 25.8 | 30.4 | 0.0 | 0 | 0 | 0 | C | D | A | B | B | C | B | B | D | Belo Horizonte |
Agora, vamos incluir a coluna CO_MODALIDADE da base arq1_rmbh, categorizando os cursos em presenciais e EaD.
vetor_modalidade <- arq1_rmbh |>
distinct(CO_CURSO, CO_MODALIDADE)
arq3_rmbh <- arq3_rmbh |>
mutate(CO_MODALIDADE = case_when(
CO_CURSO %in% (vetor_modalidade |> filter(CO_MODALIDADE == "EaD") |> pull(CO_CURSO)) ~ "EaD",
CO_CURSO %in% (vetor_modalidade |> filter(CO_MODALIDADE == "Presencial") |> pull(CO_CURSO)) ~ "Presencial"))Agora, para finalizar, vamos adicionar as categorias dos cursos. As categorias de instituições de ensino superior presentes na nossa base de dados são: Particular com fins lucrativos; Particular sem fins lucrativos; Pública Estadual e Pública Federal. Adicionar essa variavel vai nos permitir analisar as notas dessas categorias de instituição para vermos se, realmente, os cursos presenciais, principalmente os públicos, tiram notas maiores que os cursos privados EaD.
arq3_rmbh <- arq3_rmbh |>
mutate(CO_CATEGAD = case_when(
CO_CURSO %in% (arq1_rmbh |> filter(CO_CATEGAD == "1") |> pull(CO_CURSO)) ~ "Pública Federal",
CO_CURSO %in% (arq1_rmbh |> filter(CO_CATEGAD == "2") |> pull(CO_CURSO)) ~ "Pública Estadual",
CO_CURSO %in% (arq1_rmbh |> filter(CO_CATEGAD == "4") |> pull(CO_CURSO)) ~ "Privada Com Fins Lucrativos",
CO_CURSO %in% (arq1_rmbh |> filter(CO_CATEGAD == "5") |> pull(CO_CURSO)) ~ "Privada Sem Fins Lucrativos"))arq3_rmbh |>
group_by(CO_CATEGAD) |>
summarise(CO_MUNIC_CURSO = n())# A tibble: 4 × 2
CO_CATEGAD CO_MUNIC_CURSO
<chr> <int>
1 Privada Com Fins Lucrativos 35921
2 Privada Sem Fins Lucrativos 1564
3 Pública Estadual 815
4 Pública Federal 1875Finalizando a nossa base de dados final, vamos selecionar apenas as variaveis que iremos analisar, para poupar espaço e tempo de carregamento.
enade <- arq3_rmbh |>
select(CO_CURSO, NT_GER, NT_FG, NT_CE, CO_RS_I1, CO_RS_I2, CO_RS_I3, CO_RS_I4, CO_RS_I5, CO_RS_I6, CO_RS_I7, CO_RS_I8, CO_RS_I9, CO_MODALIDADE, CO_MUNIC_CURSO, CO_CATEGAD) |>
arrange(CO_CURSO)# A tibble: 1 × 2
observacoes variaveis
<int> <int>
1 40175 16| CO_CURSO | NT_GER | NT_FG | NT_CE | CO_RS_I1 | CO_RS_I2 | CO_RS_I3 | CO_RS_I4 | CO_RS_I5 | CO_RS_I6 | CO_RS_I7 | CO_RS_I8 | CO_RS_I9 | CO_MODALIDADE | CO_MUNIC_CURSO | CO_CATEGAD |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1374069 | 25.8 | 22.5 | 26.9 | C | B | C | A | A | C | E | B | A | EaD | Belo Horizonte | Privada Com Fins Lucrativos |
| 89380 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | EaD | Belo Horizonte | Privada Com Fins Lucrativos |
| 89380 | 18.6 | 4.0 | 23.4 | D | C | C | B | B | B | E | D | C | EaD | Belo Horizonte | Privada Com Fins Lucrativos |
| 89380 | 23.1 | 15.0 | 25.8 | NA | NA | NA | NA | NA | NA | NA | NA | NA | EaD | Belo Horizonte | Privada Com Fins Lucrativos |
| 312949 | 53.2 | 67.8 | 48.3 | C | C | C | B | B | A | E | E | D | Presencial | Belo Horizonte | Pública Federal |
| 89380 | 35.6 | 29.0 | 37.8 | D | D | A | D | D | B | B | D | D | EaD | Belo Horizonte | Privada Com Fins Lucrativos |
| 12945 | 63.4 | 54.1 | 66.5 | C | D | C | B | B | C | B | E | C | Presencial | Belo Horizonte | Pública Federal |
| 89380 | 27.1 | 22.6 | 28.6 | NA | NA | NA | NA | NA | NA | NA | NA | NA | EaD | Belo Horizonte | Privada Com Fins Lucrativos |
| 89380 | 49.3 | 26.7 | 56.8 | D | C | A | D | D | D | D | D | E | EaD | Belo Horizonte | Privada Com Fins Lucrativos |
| 89380 | 26.7 | 19.2 | 29.2 | D | D | C | A | A | C | A | A | C | EaD | Belo Horizonte | Privada Com Fins Lucrativos |
Agora que nossa base está pronta, podemos partir para a análise dos dados.
4 ANÁLISE DOS DADOS
4.1 Como é a cara dos nossos dados?
Vamos iniciar a nossa analise buscando ver de forma visual o rosto da nossa base de dados. Como nós queremos analisar as notas, que é uma variavel continua, vamos plotar um histograma, onde o eixo x será a variavel NT_GER, que é a nota bruta final da prova.
enade |>
ggplot(aes(x = NT_GER))+
geom_histogram()+
labs(
title = "ENADE RMBH 2021",
subtitle = "Nota bruta da avaliação",
x = "Nota Bruta Geral",
y = "Nº de Estudantes",
caption = "Fonte - Microdados ENADE 2021")+
theme_minimal()
Esse histograma já nos da informações bem importantes sobre as notas. Vemos que existe um pico em 25 pontos, e que a partir dali o número de estudantes que tiraram mais que 25 vai caindo gradativamente. Lembramos que a nota máxima bruta é 93,7 pontos, de acordo com o dicionário das variáveis que vem com os microdados. Então, nenhuma pessoa conseguiu fechar, tendo as maiores notas perto dos 80 pontos.
Okay, agora que já tivemos uma visão geral da distribuição das notas, vamos começar a responder as nossas perguntas iniciais. Vamos separar o histograma em estudantes de cursos presenciais e estudantes de cursos EaD:
enade |>
ggplot(aes(x = NT_GER, fill = CO_MODALIDADE))+
geom_histogram()+
labs(
title = "ENADE RMBH 2021",
subtitle = "Nota Bruta Da Avaliação Por Modalidade",
x = "Nota Bruta Geral",
y = "Nº de Estudantes",
caption = "Fonte - Microdados ENADE 2021",
fill = "Modalidade de Ensino")+
theme_minimal()
Percebemos duas coisas nesse gráfico. A primeira, é que as notas dos cursos presenciais tem uma distribuição mais normal das notas, enquanto as notas dos cursos EaD tem o pico em 25 pontos, e vai caindo ao decorrer do grafico. Analisando a faixa dos 50 a 75 pontos, vemos um número muito grande de estudantes EaD, então, significa as notas são melhores? Vamos relembrar que da nossa base toda, 96,9% dos estudantes são de cursos EaD, e os restantes 3,1% de cursos presenciais. Então, sim, muitas pessoas tiraram notas equivalentes aos cursos presenciais, mas essas pessoas estão dentro do esperado, se comparado com os demais estudantes? Para isso, faremos um bloxpot, utilizando as mesmas variáveis:
enade |>
ggplot(aes(y = NT_GER, fill = CO_MODALIDADE))+
geom_boxplot()+
labs(
title = "ENADE RMBH 2021",
subtitle = "Nota Bruta Da Avaliação Por Modalidade",
x = "Modalidade",
y = "Nota Bruta Geral",
caption = "Fonte - Microdados ENADE 2021",
fill = "Modalidade de Ensino")+
theme_minimal()
Cada ponto fora da caixa em um gráfico boxplot é o que chamamos de “outlier”, ou, pontos fora da curva. Temos uma representação visual de que enquanto nos cursos presenciais, tivemos alguns outliers com nota 0, nos cursos EaD tivemos vários outliers com notas maiores, significando que esses estudantes tiveram um desempenho, realmente, fora da caixa. Outra coisa que o bloxpot nos dá são as medianas e os quartis das notas. Aqui, percebemos que os cursos presenciais, em média, tiram notas maiores que os cursos EaD. A grandes questão da nossa pergunta é: O quão melhor é o desempenho dos cursos presenciais? Será que tem diferença estatística entre as notas? Agora que já vimos a cara dos nossos dados, vamos analisa-los estatísticamente.
4.2 Análise estatística dos dados
Na hora de escolher o nosso teste estatistico, precisamos verificar algumas caracteristicas das variaveis que vamos analisar. A Nota Geral Bruta segue distribuição normal? Se sim, nós podemos usar os testes paramétricos, como teste-t para amostras independentes para nossa análise. Caso não, nós teremos que usar testes não paramétricos, como o de Mann-Whitney e o Kruskal-Wallis. São testes de amostras independentes porque quem faz curso presencial, não pode fazer curso EaD ao mesmo tempo que fez a prova, por isso a escolha deste tipo de teste. Bem, para analisar a normalidade dos dados, um teste comum a se usar é o de Shapiro Wilk. Porém, o shapiro.test() no R suporta no máximo 5000 observações, e nossa base passa para além disso. Outra alternativa é usar o teste de Anderson Darling, que não tem essa limitação do numero de observações. O teste não vem no pacote base do R, sendo necessário instalar o pacote nortest.
ad.test(enade$NT_GER)
Anderson-Darling normality test
data: enade$NT_GER
A = 234.15, p-value < 2.2e-16Conseguimos observar pelo valor de p (p < 2.2 e -16) que a nossa amostra não segue uma distribuição normal. Nós já tinhamos ideia de que a distribuição não é normal tanto pelo formato do histograma, quanto pela quantidade de outliers no bloxpot. Bem, sabemos então que teremos que usar testes não paramétricos para a análise.
Para a análise, escolhemos o teste de Mann-Whitney para saber se existe diferença estatística entre o grupo de estudantes EaD e o grupo de estudantes presencial. O motivo de sua escolha foi por ele poder ser usado com diferenças no tamanho das amostras, e falando de forma bem resumida, ao contrario do teste-t de amostras independentes que analisa as médias, o teste de Mann-Whitney analisa as medias e a amplitude inter-quartil das notas, fazendo um rankeamento dos valores observados. Para entender melhor como o teste funciona, indico este video que explica como é feito o calculo deste teste. Fazendo o teste então, temos:
enade |>
wilcox_test(NT_GER ~ CO_MODALIDADE)# A tibble: 1 × 7
.y. group1 group2 n1 n2 statistic p
* <chr> <chr> <chr> <int> <int> <dbl> <dbl>
1 NT_GER EaD Presencial 30077 4691 34513230. 0O teste automaticamente descarta os valores invalidos, por essa razão que a soma do grupo grupo 1 e grupo 2 da menos que a nossa amostra total. Então, olhando para o p (p = 0), nós rejeitamos a hipótese nula, e concluimos que existe uma diferença estatística entre as duas amostras. Agora, precisamos saber o quão forte é essa diferença. Para isso, usaremos o tamanho de efeito de Wilcox.
enade |>
wilcox_effsize(NT_GER ~ CO_MODALIDADE)# A tibble: 1 × 7
.y. group1 group2 effsize n1 n2 magnitude
* <chr> <chr> <chr> <dbl> <int> <int> <ord>
1 NT_GER EaD Presencial 0.302 30077 4691 moderate Ao calcular o tamanho do efeito, os resultados variam entre 0 e 1, quanto mais perto do 0, menor o efeito, quanto mais perto do 1, maior o efeito. No R, o teste já nos da a magnitude desse efeito, até 0,29 é pequeno; até 0,49 é médio ou moderado;de 0,5 para cima é grande. Essa interpretação vai variar na literatura, tendo outras classificações para o resultado obtido. No nosso caso, ficaremos com a interpretação do programa.
5 REFLEXÕES
5.1 O Trabalho afeta na escolha da instituição?
Então, conseguimos responder utilizando de forma estatística a nossa pergunta. Existe diferença estatística entre as notas dos cursos EaD em relação aos cursos presenciais, e o tamanho do efeito dessa diferença é moderado. Embora exista essa diferença, vimos uma quantidade consideravel de pessoas que tiraram as mesmas notas que os estudantes de cursos presenciais. Ao analisar esse tipo de dado, não estamos buscando rotular os individuos, mas sim a performance da instituição em instruir os estudantes. Além disso, o público dos cursos presenciais tendem a ser diferentes do público dos cursos EaD. Vamos buscar observar se essa hipótese é verdadeira.
arq16 <- read_delim("E:/Isgael/R/Análise dos cursos de licenciatura ENADE 2021/microdados_Enade_2021/2.DADOS/microdados2021_arq16.txt",
delim = ";", escape_double = FALSE, col_types = cols(NU_ANO = col_skip()),
trim_ws = TRUE)arq16_rmbh <- arq16 |>
filter(CO_CURSO %in% enade$CO_CURSO) |>
mutate(CO_CURSO = as.character(CO_CURSO)) |>
arrange(CO_CURSO)# A tibble: 1 × 2
observacoes variaveis
<int> <int>
1 40175 2| CO_CURSO | QE_I10 |
|---|---|
| 1443184 | E |
| 89380 | B |
| 89380 | E |
| 89380 | A |
| 89380 | E |
| 97986 | D |
| 89380 | B |
| 89380 | C |
| 89380 | E |
| 89380 | C |
| 89380 | E |
| 89380 | B |
| 12968 | A |
| 1268023 | E |
| 89380 | E |
| 89380 | C |
| 1268023 | E |
| 89380 | A |
| 1190156 | A |
| 89380 | A |
enade <- enade |>
mutate(profissao = arq16_rmbh$QE_I10) |>
mutate(profissao = recode(profissao, "A" = "Não Trabalha",
"B" = "Trabalha Eventualmente",
"C" = "Trabalha até 20 Horas Semanais",
"D" = "Trabalha de 21 a 39 Horas Semanais",
"E" = "Trabalha 40 horas Semanais ou mais",)) |>
mutate(profissao = replace_na(profissao, "Não Respondeu")) |>
mutate(CO_RS_I1 = recode(CO_RS_I1,
"A" = "Muito Fácil",
"B" = "Fácil",
"C" = "Médio",
"D" = "Dificil",
"E" = "Muito Dificil",
"*" = "Resposta Anulada"))|>
mutate(CO_RS_I1 = replace_na(CO_RS_I1, "Não Registrado"))enade |>
ggplot(aes(x = CO_CATEGAD, fill = profissao))+
geom_bar(position = "fill")+
labs(
title = "ENADE 2021 RMBH",
subtitle = "Relação entre tipo de instituição e situação de trabalho",
x = "Tipo Instituição",
y = "Porcentagem",
caption = "Fonte - Microdados ENADE 2021",
fill = "Situação de Trabalho")+
scale_y_continuous(labels = scales::percent)+
scale_fill_brewer(palette = "Paired")+
theme_minimal()
Embora exista uma diferença entre a proporção de pessoas que trabalham entre os tipos de instituições, essa diferença não parece ser tão grande. Para ter certeza, vamos fazer o teste Qui-quadrado de independencia para saber se há diferença estatística nesses resultados, que a olho nu não parece ter. Após o teste, vamos fazer o V de Cramer para saber qual é a força dessa diferença.
tabela_contingencia <- table(enade$CO_CATEGAD, enade$profissao)
teste_chi_quadrado <- chisq.test(tabela_contingencia)
teste_chi_quadrado
Pearson's Chi-squared test
data: tabela_contingencia
X-squared = 367.05, df = 15, p-value < 2.2e-16Obversando o resultado do teste (X² = 367.05; df = 15; p < 2.2e-16), vemos que existe uma diferença estatisticamente significativa na nossa amostra. Porém, devido ao tamanho do banco de dados, observar apenas o P valor nos da margem para interpretações erradas dos nossos dados. Então, para saber a relação entre a situação profissional e a escolha do curso, vamos analisar os residuos padronizados do teste qui-quadrado de independência.
kable(teste_chi_quadrado$stdres, align = "c" ,digits = 2)| Não Respondeu | Não Trabalha | Trabalha 40 horas Semanais ou mais | Trabalha até 20 Horas Semanais | Trabalha de 21 a 39 Horas Semanais | Trabalha Eventualmente | |
|---|---|---|---|---|---|---|
| Privada Com Fins Lucrativos | -8.55 | -11.43 | 15.02 | 0.19 | -2.42 | 1.62 |
| Privada Sem Fins Lucrativos | 7.00 | 4.71 | -4.81 | -3.06 | 0.03 | -1.69 |
| Pública Estadual | 3.34 | 2.67 | -6.06 | 2.03 | 2.02 | -0.77 |
| Pública Federal | 3.82 | 10.56 | -13.46 | 1.17 | 2.15 | -0.30 |
Antes de analisarmos os residuos para saber a relação da situação de trabalho com a escolha do curso, temos que definir o intervalo de valores que representam uma distribuição normal. O valor normalmente utilizado é > 1,96 ou < -1,96, mas como usamos os residuos padronizados ajustados, para fazer uma analise mais precisa, precisamos calcular um novo intervalo de distribuição normal.
novoalfa <- 0.05/(4*6)
qnorm(novoalfa/2)[1] -3.078088Então, vamos considerar como resíduos significativos os valores >3.08 ou < -3,08. Voltando para a tabela então, tamos:
residuos <- teste_chi_quadrado$stdres
residuos_df <- as.data.frame(as.table(residuos))
residuos_df <- residuos_df |>
transmute(
Linha = Var1,
Coluna = Var2,
Resíduo = ifelse(
Freq > 3.08, cell_spec(round(Freq, 2), background = "salmon", color = "white"),
ifelse(Freq < -3.08, cell_spec(round(Freq, 2), background = "lightblue"),
round(Freq, 2))
)
)
residuos_wide <- residuos_df |>
pivot_wider(names_from = Coluna, values_from = Resíduo)
kbl(residuos_wide, escape = FALSE, align = "c") |>
kable_styling(full_width = FALSE, position = "center")| Linha | Não Respondeu | Não Trabalha | Trabalha 40 horas Semanais ou mais | Trabalha até 20 Horas Semanais | Trabalha de 21 a 39 Horas Semanais | Trabalha Eventualmente |
|---|---|---|---|---|---|---|
| Privada Com Fins Lucrativos | -8.55 | -11.43 | 15.02 | 0.19 | -2.42 | 1.62 |
| Privada Sem Fins Lucrativos | 7 | 4.71 | -4.81 | -3.06 | 0.03 | -1.69 |
| Pública Estadual | 3.34 | 2.67 | -6.06 | 2.03 | 2.02 | -0.77 |
| Pública Federal | 3.82 | 10.56 | -13.46 | 1.17 | 2.15 | -0.3 |
Percebemos que, dentro da nossa amostra, quem trabalha eventualmente, trabalha até 20 horas, e trabalha entre 21 e 39 horas semanais, estão dentro dos valores esperados. As nossas diferenças estatísticas estão nas pessoas que trabalham 40 horas ou mais, e as que não trabalham. As que não responderam nós não iremos considerar na análise, embora tenham tido diferenças significativas. Além do valor, nós vamos observar se o valor é positivo ou negativo. Positivo indica que existem mais pessoas do que esperado pela amostra, e negativo, menos pessoas em relação a amostra.
Olhando pra coluna das pessoas que trabalham 40 horas semanais, percebemos algo que da força pra nossa hipótese inicial. Existem menos pessoas do que o esperado pela nossa amostra nos cursos presenciais que trabalham 40 horas semanais ou mais. Já nos cursos EaD, existem bem mais pessoas trabalhando esse tempo por semana. E, quando vamos pra coluna das pessoas que não trabalham, acaba re-confirmando nossa hipótese. Existem mais pessoas do que o esperado nos cursos presenciais que não trabalham, e menos pessoas que o esperado nos cursos EaD que não trabalham.
Para finalizar a nossa análise, vamos calcular o tamanho de efeito dessa diferença estatística. Como vimos nas notas, embora exista uma diferença estatística, ela pode ter um tamanho de efeito pequeno. Para isso, vamos calcular o V de Cramer:
assocstats(tabela_contingencia) X^2 df P(> X^2)
Likelihood Ratio 368.22 15 0
Pearson 367.05 15 0
Phi-Coefficient : NA
Contingency Coeff.: 0.095
Cramer's V : 0.055 Então, embora exista uma diferença estatística entre a situação de trabalho com o tipo de instituição que faz o curso, a força dessa associação é baixa. Então, uma das conclusões que podemos chegar é que embora os estudantes de cursos particulares trabalhem mais, tendo relevancia estatística, a força dessa relação é bem fraca. Então, a nossa hipótese embora se confirme de certa maneira, ela não tem tanta força sobre as notas de faculdades particulares EaD se sairem pior no ENADE.
5.2 Qual a relação entre a percepção da prova com a nota obtida?
Para concluir esse curto estudo de caso, vamos responder mais duas perguntas. A primeira pergunta é: A percepção da prova influenciou na nota?
enade |>
ggplot(aes(x = NT_GER, fill = CO_MODALIDADE))+
geom_density(alpha = 1/1.5)+
labs(title = "ENADE 2021 RMBH",
subtitle = "RElação entre a percepção da prova e a nota",
x = "Nota",
y = "Proporção",
fill = "Modalidade",
caption = "Fonte - Microdados ENADE 2021")+
facet_wrap(~ CO_RS_I1)+
theme_minimal()
Percebemos que, aparentemente, não teve muita diferença. Agora, para finalizar, como as notas são distribuidas por categaria de curso, se é publico, privada, estadual ou federal, com ou sem fins lucrativos.
enade |>
group_by(CO_MUNIC_CURSO) |>
ggplot(aes(x = NT_GER, fill = CO_CATEGAD))+
geom_histogram()+
labs(title = "ENADE 2021 RMBH",
subtitle = "RElação entre a categoria da instituição e a nota",
x = "Nota",
y = "Estudantes",
fill = "Categoria",
caption = "Fonte - Microdados ENADE 2021")
A maioria esmagadora dos estudantes são de instituições privadas com fins lucrativos. E , o dado mais chocante, é que 34038 são estudantes da Pitagoras / Unopar / Anhanguera. Uma instituição de ensino representa 84,7% dos licenciados formados na região metropolitana de Belo Horizonte. E, são quem tem as notas mais baixas no ENADE. Será que isso influencia na educação da RMBH? Buscaremos responder a essa pergunta em um outro momento. Obrigado por ler até aqui :).