Análise Exploratória: Resultados do IDEB nos Anos Iniciais

1. Introdução

O Índice de Desenvolvimento da Educação Básica (IDEB) é o principal indicador da qualidade do ensino no Brasil. O objetivo deste projeto é analisar os microdados do IDEB de 2023, com um foco especial no estado de Pernambuco, mais especificamente na cidade do Recife.

Entender esses números vai muito além de um exercício estatístico; é uma forma de visualizar a realidade das salas de aula. Ao identificar quais escolas possuem os maiores e menores desempenhos, podemos direcionar melhor o apoio pedagógico. Além disso, para profissionais que atuam na rede de ensino com inovação, programação e robótica educacional, esses dados são fundamentais para entender onde os recursos tecnológicos e extracurriculares podem ter o maior impacto no desenvolvimento dos alunos.

2. Pacotes Requeridos

Para garantir a reprodutibilidade desta análise, os seguintes pacotes foram carregados:

• readODS: Para importar os dados brutos oficiais do INEP (.ods).
• dplyr: Para manipulação, limpeza e filtragem dos dados.
• ggplot2: Para a construção de visualizações gráficas.
• DT: Para gerar tabelas interativas.

# Carregando os pacotes necessários
library(readODS)
library(dplyr)
library(ggplot2)
library(DT)

3. Preparação dos Dados

Os dados originais foram extraídos do portal oficial do INEP. A base possui peculiaridades, como múltiplas linhas de cabeçalho antes da tabela, exigindo o uso do comando skip. Realizamos a importação, filtramos para Pernambuco e removemos valores nulos.

# Importação dos dados pulando as 8 linhas iniciais
dados_brutos <- read_ods("ideb_2023.ods", skip = 9)

# Limpeza e filtro inicial
dados_limpos <- dados_brutos %>%
  filter(SG_UF == "PE") %>%
  select(NO_MUNICIPIO, NO_ESCOLA, REDE, VL_OBSERVADO_2023) %>%
  filter(!is.na(VL_OBSERVADO_2023)) %>%
  arrange(desc(VL_OBSERVADO_2023))

Amostra condensada do conjunto de dados limpo (exibindo os dados reais):

head(dados_limpos, 10)

## # A tibble: 10 × 4
##    NO_MUNICIPIO NO_ESCOLA                                REDE  VL_OBSERVADO_2023
##    <chr>        <chr>                                    <chr> <chr>            
##  1 Custódia     ESCOLA MUNICIPAL LUIZ EPAMINONDAS FILHO  Muni… 9.19999999999999…
##  2 Inajá        ESCOLA MUNICIPAL AMIGOS DO BEM           Muni… 9.19999999999999…
##  3 Custódia     ESCOLA MUNICIPAL CREUZA ARCOVERDE DE FR… Muni… 9.1              
##  4 Bonito       ESCOLA MUNICIPAL BARRA AZUL              Muni… 9                
##  5 Custódia     ESCOLA MUNICIPAL MANOEL RODRIGUES DA SI… Muni… 9                
##  6 Custódia     ESCOLA MUNICIPAL JOSE HENRIQUE DE MELO   Muni… 8.9              
##  7 Orobó        ESCOLA MUN ANTONIO DA MATA RIBEIRO       Muni… 8.80000000000000…
##  8 Saloá        ESCOLA MUNICIPAL VICENTE ALVES DE BARROS Muni… 8.69999999999999…
##  9 Panelas      ESCOLA MUNICIPAL RUI BARBOSA             Muni… 8.6              
## 10 Custódia     COLEGIO MUNICIPAL ERNESTO QUEIROZ        Muni… 8.5

4. Análise Exploratória Inicial

Focaremos no município do Recife para identificar as escolas com os melhores desempenhos no IDEB em 2023, comparando a rede pública com a privada.

# Filtro corrigido com RECIFE em maiúsculo
dados_recife_top10 <- dados_limpos %>%
  filter(NO_MUNICIPIO == "RECIFE") %>%
  arrange(desc(VL_OBSERVADO_2023)) %>%
  head(10)

datatable(dados_recife_top10, 
          options = list(pageLength = 5, dom = 't'), 
          colnames = c("Município", "Escola", "Rede", "Nota IDEB 2023"),
          caption = "Top 10 Escolas do Recife - IDEB 2023")

ggplot(dados_recife_top10, aes(x = reorder(NO_ESCOLA, VL_OBSERVADO_2023), y = VL_OBSERVADO_2023, fill = REDE)) +
  geom_col(color = "black", alpha = 0.8) +
  coord_flip() + 
  labs(title = "As 10 Maiores Notas do IDEB 2023 em Recife",
       subtitle = "Anos Iniciais do Ensino Fundamental",
       x = "Nome da Escola",
       y = "Nota IDEB",
       fill = "Rede de Ensino") +
  theme_minimal() +
  theme(legend.position = "bottom")