APLICAÇÃO DE TÉCNICAS DE APRENDIZADO DE MÁQUINA PARA CLASSIFICAÇÃO DO DESEMPENHO ACADÊMICO NO ENEM: UM ESTUDO COM DADOS DO MARANHÃO

Resumo

Este estudo tem como objetivo aplicar e comparar técnicas de aprendizado de máquina para classificar o desempenho dos estudantes maranhenses no Exame Nacional do Ensino Médio (ENEM) 2023, com foco na prova de Matemática. A partir de uma base com mais de 112 mil participantes, foram utilizados três modelos preditivos: Regressão Logística, Random Forest e XGBoost. Após o pré-processamento dos dados e a conversão das variáveis categóricas, os modelos foram treinados para classificar os estudantes em duas categorias: bom e ruim, com base em uma nota de corte de 500 pontos. A análise revelou padrões regionais de desigualdade educacional e destacou variáveis socioeconômicas como renda e idade como os principais preditores do desempenho. A Regressão Logística obteve maior acurácia, enquanto o XGBoost apresentou melhor equilíbrio entre precisão e sensibilidade. Os resultados reforçam a utilidade do aprendizado de máquina para análises educacionais e fornecem subsídios importantes para políticas públicas voltadas à melhoria da equidade e da qualidade da educação no estado do Maranhão.

DOI: https://doi.org/10.56238/sevened2025.030-001