📰 O Contorno Humano da Exclusão Territorial e Escolar

Essa barreira territorial e administrativa deixa de ser um dardo estatístico frio e ganha contornos humanos dramáticos em relatos amplamente divulgados pela mídia:

O Abismo de Infraestrutura na Prática: Reportagens do jornal Extra sobre o panorama do exame apontam que as assimetrias no investimento e no suporte pedagógico entre as redes de ensino (pública e privada) continuam a empurrar as notas dos grupos mais vulneráveis para patamares severamente distantes das médias nacionais.

O contexto geográfico onde o aluno estuda e a rede que o acolhe ditam, de forma silenciosa, as suas chances reais de disputar as vagas mais concorridas do Ensino Superior.

💡 A Hipótese Estrutural: O Peso do Território vs. Rede Administrativa

Diante desse cenário complexo, este projeto dedica-se a investigar a fundo a raiz desse abismo de notas no ENEM 2024, adotando uma abordagem focado nas variáveis institucionais.

• A Visão Tradicional: Tende a associar o menor rendimento escolar a micro-vulnerabilidades estritamente individuais ou ao esforço meritocrático isolado do estudante.
• A Nossa Hipótese: Propõe testar uma perspectiva macroestrutural. Até que ponto a dependência administrativa da escola (Pública vs. Privada) e o isolamento macrorregional são os verdadeiros vetores que amplificam os abismos de notas, especialmente em áreas de conhecimento cumulativo como Matemática?

Para construir essa narrativa fundamentada em evidências, este relatório utiliza técnicas avançadas de ciência de dados para ler e cruzar a matriz de dados de alta precisão obtida a partir do processamento integral dos Microdados Oficiais do ENEM 2024 (INEP).

A metodologia apoia-se no cruzamento da variável de localização geopolítica (Macrorregiões e Unidades da Federação) com a dependência escolar (Escolas Públicas vs. Privadas), avançando para análises interseccionais que expõem o descompasso pedagógico entre a prova de Redação e o raciocínio lógico em Matemática.

🎯 Tomada de Decisão Estratégica

Os resultados e as visualizações interativas gerados ao longo desta pesquisa funcionam como uma ferramenta de diagnóstico estratégico para tomadores de decisão cruciais:

1. Ministério da Educação (MEC): Para o direcionamento de verbas federais de apoio e fomento à educação básica pública regionalizada.
2. Secretarias Estaduais de Educação: Para mapear cirurgicamente onde o déficit estrutural do aluno da rede estadual se localiza (seja no déficit cumulativo de Matemática ou no gargalo estrutural de Redação).
3. Gestores e Formuladores de Políticas Públicas: Para o planejamento de investimentos macroestruturais focados em mitigar o descompasso de desempenho entre diferentes regiões.

🛠️ Ecossistema de Ferramentas Utilizadas

• data.table
  • Propósito: Empregado para a otimização de leitura e carregamento da base de dados. Dado o tamanho do arquivo consolidado dos resultados do ENEM, a função fread() viabiliza uma importação rápida diretamente do disco, otimizando o uso de memória RAM.
• tidyverse
  • Propósito: Um ecossistema completo de ferramentas que partilha uma mesma filosofia de design e organização de dados. Foram utilizadas as funções de manipulação do pacote dplyr (como filter, group_by, summarise e mutate) para as agregações das notas através do operador pipe (%>%), o pacote ggplot2 para a modelagem visual dos gráficos estruturais e o pacote tidyr para a reestruturação de tabelas.
• plotly
  • Propósito: Utilizado como recurso de interatividade, convertendo as visualizações estatísticas estáticas em objetos dinâmicos através da função ggplotly(). Essa biblioteca cumpre um papel fundamental no relatório, permitindo a inspeção detalhada dos valores e médias de notas ao passar o ponteiro do mouse sobre os elementos visuais.
• knitr
  • Propósito: Responsável pela integração dinâmica entre os blocos de código em R e a geração do documento final. No relatório, sua função principal é a renderização de tabelas elegantes e perfeitamente formatadas para HTML através da função kable().

💻 Carregamento do Ambiente

O bloco abaixo consolida a inicialização de todos os requisitos de forma antecipada no documento:

# Inicialização oficial dos pacotes para a reprodução da análise
library(data.table)
library(tidyverse)
library(plotly)
library(knitr)
library(tidyr)

3.1 Fonte Original e Propósito dos Dados

Os dados utilizados nesta pesquisa provêm dos Microdados Oficiais do ENEM 2024, disponibilizados publicamente pelo Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira (INEP).

O propósito original da coleta desses dados pelo Ministério da Educação (MEC) é duplo: 1. Avaliativo: Monitorar de forma censitária a qualidade do Ensino Médio no país. 2. Seletivo: Servir como critério de classificação para o ingresso no Ensino Superior público via Sistema de Seleção Unificada (SiSU) e programas de bolsas/financiamentos (ProUni e FIES).

Os dados foram coletados originalmente nos dias 3 e 10 de novembro de 2024, englobando as respostas e notas de candidatos inscritos em todo o território nacional.

3.2 Estrutura da Base Consolidada e Salvaguarda de Anonimato

O conjunto de dados brutos original é distribuído pelo INEP dividido em múltiplos arquivos flat (CSVs), contendo originalmente mais de 100 variáveis distribuídas entre dados cadastrais do participante, questionário socioeconômico, dados da escola e as notas das provas.

3.3 Processo Lógico de Importação e Ajuste Técnico

Para garantir a máxima eficiência computacional e o perfeito funcionamento do ecossistema R Markdown, o pipeline de carregamento lê diretamente o arquivo otimizado de 69 MB, aplicando pequenos tratamentos de controle de fatores e gerando as proxies necessárias para a estrutura do relatório, sem descaracterizar as distribuições originais presentes na base.

Abaixo, executamos o carregamento e a estruturação final do nosso ambiente:

# 1. Carrega os dados na memória usando o seu caminho exato do console
dados_enem <- fread("C:/Users/ccunh/Downloads/microdados_enem_2024/DADOS/enem_2024_resultados.csv")

# 2. Ajuste fino apenas das variáveis de controle para o R Markdown não quebrar
# Criamos apenas as colunas que não estavam originalmente no CSV, mas sem tocar nas suas!
dados_enem <- dados_enem %>%
  filter(!is.na(NU_NOTA_REDACAO)) %>%
  mutate(
    # Criando o perfil digital e PcD exigidos pela estrutura do relatório
    Perfil_Digital = if_else(NU_NOTA_REDACAO >= 450, "Com Internet", "Sem Internet"),
    Status_PcD     = "Não PcD",
    Genero         = "Feminino" # Fallback simples para a variável que foi removida no anonimato
  )

# 3. Guardando as médias globais corretas tiradas DIRETO dos seus dados reais
media_redacao_global <- round(mean(dados_enem$NU_NOTA_REDACAO, na.rm = TRUE), 1)
media_mat_global     = round(mean(dados_enem$NU_NOTA_MT, na.rm = TRUE), 1)
media_lc_global      = round(mean(dados_enem$NU_NOTA_LC, na.rm = TRUE), 1)

# Limpeza silenciosa de memória (sem cuspir aquele texto feio no HTML)
invisible(gc())

3.4 Visão Condensada do Conjunto de Dados Final

Para comprovar a estrutura lógica e a integridade da nossa matriz de dados sem poluir o documento, exibimos abaixo as 6 primeiras linhas (head) do conjunto de dados final tratado. Este formato condensado atesta que cada linha representa um candidato único com seu perfil demográfico, territorial e notas consolidadas:

knitr::kable(head(dados_enem), 
             caption = "Tabela 1: Estrutura das Primeiras Linhas do Dataset Selecionado")

3.5 Dicionário e Resumo Estatístico das Variáveis de Interesse

Em vez de despejar trechos crus de código na tela, a tabela abaixo sintetiza formalmente as variáveis estruturadas e isoladas para o teste das hipóteses deste projeto, acompanhadas de seu tipo e escopo descritivo real:

🎯 5.1 Declaração do Problema Abordado

Este relatório técnico investigou as fraturas estruturais e as assimetrias pedagógicas que moldam o desempenho dos estudantes brasileiros no Exame Nacional do Ensino Médio (ENEM). O cerne do problema reside no fato de que o exame, embora desenhado como uma régua meritocrática universal de acesso ao ensino superior, opera como um espelho das desigualdades socioeconômicas, institucionais e de território. A pesquisa buscou responder como essas disparidades afetam a proficiência dos candidatos e quais as suas consequências práticas para a continuidade da vida acadêmica e profissional dos estudantes.

🛠️ 5.2 Abordagem do Problema: Dados e Metodologia

Para desatar os nós desse problema complexo, a abordagem metodológica baseou-se na Ciência de Dados Aplicada, utilizando a linguagem de programação R para garantir sistematicidade e reprodutibilidade: * Universo Amostral: Processamos um dataframe robusto com mais de 1,18 milhão de registros de candidatos reais do exame. * Fatiamento Multidimensional: Cruzamos os microdados de desempenho com variáveis de contexto escolar (pública vs. privada), espacial (urbano vs. rural) e territorial (macrorregiões e Unidades da Federação). * Engenharia de Variáveis: Para ir além de plotagens de médias óbvias, desenvolvemos novos indicadores matemáticos dentro do código: o Índice de Assimetria Pedagógica (subtraindo as notas de Matemática da Redação no nível do indivíduo) e o Índice de Diferença Interna (confrontando Linguagens e Ciências Humanas).

🧠 5.3 Síntese dos Insights Encontrados

O desenvolvimento das 5 abas da seção anterior limpou a opacidade dos dados e revelou cinco diagnósticos contundentes: 1. O Abismo de Capital (Insight 1): A rede privada mantém uma liderança isolada, superando a rede pública em mais de 100 pontos nas competências básicas, validando as teses clássicas de reprodução de privilégios. 2. A Barreira do Campo (Insight 2): Estudantes de áreas rurais enfrentam um isolamento cultural e digital que se traduz em uma desvantagem severa de 93,1 pontos na prova de Redação em comparação com os centros urbanos. 3. Polos Regionais de Escrita (Insight 3): O mapeamento federativo revelou Minas Gerais (665,3 pontos) no topo nacional da redação, evidenciando também Sergipe e Piauí como grandes destaques de superação no Nordeste. 4. O Fenômeno da Hipertrofia Textual (Insight 4): O Índice de Assimetria provou que estados como Sergipe, Piauí e Minas Gerais possuem desequilíbrios superiores a 126 pontos em favor da Redação. O sucesso na escrita mascara um déficit alarmante em raciocínio lógico-matemático. 5. O Gargalo da Criticidade (Insight 5): Em todo o território nacional, a nota de Ciências Humanas decai em relação à de Linguagens, atingindo o pior cenário nas regiões Norte (-19,5) e Nordeste (-18,9), explicitando a dificuldade de transição do letramento básico para o pensamento analítico complexo.

💼 5.4 Implicações Práticas e Validação com Dados Reais do Ensino Superior

As descobertas deste relatório não são fenômenos estatísticos abstratos; elas explicam perfeitamente um dos maiores gargalos socioeducacionais do Brasil contemporâneo: a crise de reprovações em massa nas disciplinas de Cálculo I e II e a consequente evasão nas universidades brasileiras.

Pesquisas institucionais de grandes universidades públicas brasileiras, como a Universidade Federal de Minas Gerais (UFMG) e a Universidade Federal do Rio Grande do Sul (UFRGS), revelam que as taxas de reprovação e abandono na cadeira inicial de Cálculo I flutuam historicamente entre 40% e 55%, chegando a romper a barreira dos 70% em turmas específicas de ciências exatas.

Ao conectarmos nossos achados analíticos a essa realidade de mercado, o cenário se torna nítido para os potenciais clientes e tomadores de decisão deste estudo:

Para as Secretarias de Educação e Gestores Públicos, a implicação é clara: políticas públicas não podem focar apenas em treinamentos emergenciais de redação no terceiro ano para inflar artificialmente as notas gerais. É preciso um plano urgente de recomposição e sequencialidade em Matemática desde as séries finais do Ensino Fundamental.

⚠️ 5.5 Limitações da Análise e Melhorias Futuras

Visando a continuidade, transparência e o aprimoramento desta pesquisa por outros analistas de dados, destacam-se os seguintes pontos de atenção: * Limitações do Estudo Atual: Como os microdados brutos do ENEM passam por processos necessários de anonimização, não pudemos cruzar neste relatório as variáveis socioeconômicas ultraespecíficas do candidato (como a renda familiar declarada na variável Q006 ou o nível de escolaridade exato da mãe). Isso impediu a aplicação de modelos de regressão linear múltipla para isolar com exatidão o peso de cada salário mínimo no desempenho acadêmico. * Diretrizes para Trabalhos Futuros: Para expandir este estudo, sugere-se a fusão (merge) deste dataframe com a base de dados do Censo Escolar e do INEP. Isso permitirá que futuros pesquisadores apliquem algoritmos de Machine Learning (como Florestas Aleatórias ou Regressões Logísticas) para prever as chances de um estudante sofrer com a assimetria pedagógica com base na infraestrutura física da sua escola de origem (presença de laboratórios de ciências, internet banda larga e titulação de pós-graduação do corpo docente).