1 Introdução

A educação é muito complexa e segundo Brandão (2017), possuem

categorias sujeitas a cada povo. Nos tempos atuais, sabe-se que a educação é a
responsável por transmitir valores e pela socialização, assim, ela pode gerar
mudanças que alteram valores sociais e culturais de uma sociedade (GOMES,
1994, p. 31). Brandão ainda afirma que a educação pode ser uma das maneiras de
se fazer o “comum”, como ideia, saber ou crença.
"A educação existe no imaginário das pessoas e na
ideologia de os grupos sociais e, ali, sempre se
espera, de dentro, ou sempre se diz para fora, que
a sua missão é transformar sujeitos e mundos em
alguma coisa melhor, de acordo com as imagens
que se tem de uns e de outros:"(BRANDÃO,2017)
Cabe ao governo federal, estados e municípios a responsabilidade pela
educação. Cada autarquia deve desenvolver e administrar seu próprio sistema de
ensino. O que autentica essa informação é a Constituição Federal juntamente com a
Lei de Diretrizes e Bases da Educação Nacional (LDB) que diz: “regular os direitos e
deveres da política brasileira da educação formal e não-formal” (BRASIL. LDB.,
2018).
A LDB afirma sobre a educação que é “dever da família e do Estado” com
objetivo de alcançar “o pleno desenvolvimento do educando, seu preparo para o
exercício da cidadania e sua qualificação para o trabalho”. Já a escola, é um dos
inúmeros espaços pedagógicos formativos que deve vincular-se às práticas sociais
e ao mundo do trabalho (BRASIL. LDB., 2018).
De acordo com Rodrigues (1991), o papel da escola é levar conhecimentos já
produzidos aos estudantes para apreender e compreender, ao mesmo tempo os
preparando aos valores para a vida. Isso quer dizer que se faz necessário
desenvolver ações pedagógicas que gerem aprendizagens efetivas que contribuam
para o desenvolvimento humano-social dos discentes. Este é o real objetivo da
escola, fazer a construção de uma civilização justa e igualitária.
Na década de 60, estudos sobre o desempenho escolar começaram a ter
significância no âmbito internacional. Se deu ao fato da preocupação social em
relação às desigualdades sociais e observar diferentes resultados alcançados pelos
atendimentos educacionais (COLEMAN, 1966). Afirmasse que essas pesquisas
(nos anos 1960: o chamado Relatório Coleman, nos Estados Unidos, e o Relatório
Plowden, na Inglaterra) influenciaram as atuais produções teóricas e metodológicas
da área de mensuração da educação. Grande parte das pesquisas daquele período
observava a variação do resultado acadêmico mediante as variações
socioeconômicas da comunidade escolar (docentes, discentes e familiares), método
de ensino e infraestrutura das instituições de ensino. Os resultados dessas
pesquisas apontaram que a infraestrutura da escola e a metodologia aplicada,
pouco afetaram no desenvolvimento dos discente, isso quando comparado com o
quesito socioeconômico dos alunos e suas famílias (ALBERNAZ; FERREIRA;
FRANCO, 2002; BROOKE; SOARES, 2011).
Já a mensuração de dados no Brasil, Brooke e Soares (2011) afirmam:
Quanto à pesquisa em eficácia escolar
desenvolvida no Brasil, destaca-se o advento, na
década de 1990, do Sistema Nacional de Avaliação
da Educação Básica (Saeb), que permitiu ao
pesquisador brasileiro conhecer de forma mais
sistemática o nível socioeconômico dos alunos,
bem como seu desempenho em testes
padronizados em larga escala. Destaca-se,
também, a criação de alguns sistemas estaduais de
avaliação da qualidade da educação. Esses
sistemas (o Saeb e sistemas estaduais), de acordo
com o texto, constituem a principal base de dados
de notáveis estudos em eficácia escolar
desenvolvidos entre nós nos últimos anos.
É importante citar que os estudos relacionados ao desempenho escolar
brasileiro colaboram diretamente com os estudos internacionais. Dados como o
clima entre toda a comunidade escolar, uma gestão competente e colaborativa e o
esforço dos docentes em relação aos resultados dos discentes resultam em bons
resultados do Sistema de Avaliação da Educação Básica - Saeb, o principal
conceito para diagnosticar a educação no Brasil. É interessante observar que, ao
contrário de outros países desenvolvidos que analisam a qualidade de ensino, a
capacidade física das escolas interferem no desempenho dos discentes brasileiros,
visto que os prédios escolares possuem infraestruturas gritantemente distintas
(BROOKE; SOARES, 2011).

1
 Pesquisas nacionais como de Palermo, Silva e Novellino (2014), afirmam que
“Os fatores que influenciam a proficiência são múltiplos e complexos”. As
informações coletadas atualmente sobre a qualidade de ensino brasileiro, são
obtidas através de dados do Censo Escolar, Exame Nacional do Ensino Médio -
ENEM ou Prova Brasil, que integram entre vários sistemas de avaliação estatística
do Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira - INEP.
Inicialmente, o que iria ser chamado de Instituto Nacional de Pedagogia, o
INEP foi criado em janeiro de 1937 e homologado pelo Decreto-Lei nº 580, de 30 de
julho de 1938, com o nome de Instituto Nacional de Estudos Pedagógicos. Já em
agosto de 2001, o Inep passou a se chamar Instituto Nacional de Estudos e
Pesquisas Educacionais Anísio Teixeira, como homenagem ao educador Anísio
Teixeira que contribuiu imensamente no desenvolvimento da instituição ao longo de
duas décadas (SAVIANI, 2012). Saviani (2012), ao citar a Lei nº 378 de janeiro de
1937, afirmar que as conforme o art. 2º do decreto que o instituiu, as atribuições
iniciais do INEP foram:
a) organizar documentação relativa à história e ao
estudo atual das doutrinas e das técnicas
pedagógicas, bem como das diferentes espécies
de instituições educativas;
b) manter intercâmbio, em matéria de pedagogia,
com as instituições educacionais do País e do
estrangeiro;
c) promover inquéritos e pesquisas sobre todos
os problemas atinentes à organização do ensino,
bem como sobre os vários métodos e
processos pedagógicos;
d) promover investigações no terreno da
psicologia aplicada à educação, bem como
relativamente ao problema da orientação e seleção
profissional;
e) prestar assistência técnica aos serviços
estaduais, municipais e particulares de educação,
ministrando-lhes, mediante consulta ou
independentemente desta, esclarecimentos e
soluções sobre os problemas pedagógicos;

2
 f) divulgar, pelos diferentes processos de difusão,
os conhecimentos relativos à teoria e à prática

pedagógicas (Brasil, 1938).

Em 1989 o Ministério da Educação brasileira solicitou ao INEP que

desenvolvesse um processo de avaliação nacional, com fim de obter um amplo
diagnóstico da educação brasileira por meio de avaliações (SAVIANI, 2012). Surgiu-
se assim o Sistema de Avaliação da Educação Básica - SAEB que é um conjunto de
avaliações externas (desenvolvidas fora da escola) em larga escala. Atualmente,
para o governo nacional brasileiro, o resultado destas avaliações é o indicativo da
qualidade do ensino brasileiro (BRASIL. INEP., 2021).
O Índice de Desenvolvimento da Educação Básica - IDEB é a métrica
utilizada pelo Governo do Brasil sobre a educação básica, que combina tanto o
rendimento escolar dos alunos (aprovação) obtidos no Censo Escolar, quanto o
desempenho deles nos exames padronizados (Prova Brasil ou Saeb) aplicados nas
escolas em anos específicos obtidas no Sistema de Avaliação da Educação Básica -
SAEB (BRASIL. INEP., 2021). O resultado do IDEB é dado a cada escola no
próximo ano que é realizado o SAEB. Como o Saeb é realizado bienalmente, a nota
do IDEB para cada escola também é dada a cada 2 anos.
O INEP disponibiliza em seu site, por meio dos dados abertos, os microdados
sobre a educação no Brasil. Os microdados são considerados dados no menor nível
de desmembramento, obtidos por meio de pesquisas, exames e avaliações
realizados pelo próprio instituto. As informações contidas no microdados são
alimentadas anualmente, e constatam que a educação no Brasil tem melhorado.
Essa informação é confirmada no resumo técnico dos Resultados do Índice de
Desenvolvimento da Educação Básica de 2021 gerado pelo INEP (BRASIL. INEP.,
2021).
Outra tentativa do MEC de tentar alcançar uma equidade na educação
brasileira, em dezembro de 2017 a Base Nacional Comum Curricular - BNCC foi
homologada pelo ministro da Educação. “A Base Nacional Comum Curricular é um
documento normativo que define o conjunto de aprendizagens essenciais que todos
os alunos devem desenvolver ao longo das etapas e modalidades da Educação
Básica.” (BRASIL. BNCC., 2018). É esperado da BNCC uma sugestão comum de
aprendizagens a todos discentes, respeitando a individualidade e regionalidade de
cada instituição de ensino, não apenas com o foco no acesso e permanência do

3
aluno na escola. Desta forma é possível alcançar uma colaboração entre as três
esferas governamentais, perpassando assim uma boa qualidade na educação.
Voltado para o avanço da tecnologia, a Ciência dos Dados (Data Science) é
um campo interdisciplinar de estudo que tem por objetivo a geração de
conhecimento, a partir do armazenamento e análise de enormes quantidades de
dados, geralmente complexos, de relações intrincadas, heterogêneos e sujeitos a
ruídos, como costumam ser os dados coletados do mundo real. Engloba, portanto:
captura, armazenamento e gerenciamento de dados; infraestrutura computacional
centrada em dados, normalmente acompanhada por processamento intensivo e
massivamente paralelo; técnicas avançadas de mineração de dados e inteligência
artificial (IA) para detecção de padrões subjacentes aos dados, aprendizagem e
análises preditivas (GRUSON, D. et al, 2019).
A mineração de dados, como o próprio termo sugere, é um processo de
extração e filtragem de informações com maior valor agregado aos interesses
humanos, criando ou descobrindo relações não triviais que poderiam estar ou não
ocultas tão evidentes nos dados brutos per si (FIGUEIREDO, E. et al., 2019). Para
alguns autores, a mineração de dados é uma etapa importante nos processos mais
sofisticados de análise preditiva ofertados pela Inteligência Artificial (IA) (NGUYEN,
G. et al., 2019).
A aprendizagem de máquina é um campo da IA que trata de desenvolver
programas de computador capazes de aprender e melhorar o seu desempenho em
tarefas específicas, através da aquisição de experiência embutida nos dados que
recebe. Visa absorver representações estatísticas e matemáticas através da
estrutura dos dados de modo a utilizá-las para fazer previsões (NGUYEN, G. et al.,
2019).
Observado o esforço do Brasil e de outros países em parametrizar a
educação, e visto o avanço tecnológico dos dias atuais, se faz necessário utilizar
das técnicas mais avançadas da Tecnologia da Informação e Comunicação - TIC
que possam apresentar fatores que influenciam na educação. Existem comunidades
em todo o mundo que estudam sobre as TIC’s na educação. As mais conhecidas
são as comunidades de – Educational Data Mining (EDM) ou Mineração de dados
Educacionais – que é uma prática que surgiu em 2000 através de workshops e teve
sua primeira conferência internacional em 2008 (EDM’08, 2008). Romero e Ventura
(2013) alegaram que a EDM combinou três áreas de conhecimento: Educação,

4
Computação e Estatística. A integração desses conhecimentos gerou três novas
áreas, Learning Analytics, Data Mining e Machine Learning e o E-learning. A figura
abaixo apresenta esses relacionamentos:

Figura 1 - Áreas de conhecimento relacionadas a EDM (RODRIGUES, E. L. et al , 2014)

1.1 Escopo da pesquisa

Neste trabalho é proposto identificar quais os atributos, do campo
infraestrutura escolares, da base de dados microdados do INEP, correlacionam
positivamente e/ou negativamente com o crescimento do IDEB. Verificar se as
instituições educacionais desenvolveram ao longo dos anos e compará-las com as
características atuais das escolas. Apresenta-se que os desempenhos, sejam
positivos e/ou negativos, interferem no resultado do IDEB e são determinantes nos
ambientes de ensino. Ressalta-se que os dados do IDEB foram mensurados ao
longo dos anos de sua criação, de 2005 até o ano de 2019, e as infraestruturas
serão extraídos da base de microdados de 2019.
A técnica utilizada na base de dados deste estudo é a Análise Fatorial, em
inglês, Factor Analysis (FA). Segundo Bandalos & Finney (2018) a análise fatorial é
um procedimento que analisa a covariação (covariância positiva: indica que duas
variáveis tendem a se mover na mesma direção; covariância negativa: revela que
duas variáveis tendem a se mover em direções inversas) entre um conjunto de
variáveis (variável pode ser entendida como qualquer quantidade, qualidade,
magnitude... de uma característica que pode possuir vários valores numéricos)
observadas em função de um ou mais construtos latentes. Construtos são teorias
não observáveis, mas passíveis de interpretações, como por exemplo a inteligência,
autoeficácia ou criatividade. Essas inferências ou construtos, são consideradas
latentes por não serem claramente observáveis. Desta forma, o foco do FA é ajudar

5
os pesquisadores a identificar ou melhor compreender a origem desses construtos
latentes em relação às variáveis de seu interesse.
A escolha de FA se deu ao fato de o estudo buscar agrupar diversas
variáveis correlacionadas, visto que a base de dados do microdados do INEP possui
mais de 100 variáveis sobre a infraestrutura das escolas. O FA também separa as
variâncias compartilhadas entre atributos (communalities) das variâncias intrínsecas
(uniqueness). Assim, é possível dar destaques às variáveis que têm correlações
mais importantes daqueles que se correlacionam pouco.

1.2 Justificativa:
Acredita-se que descobrir como melhorar a qualidade da educação deve ser
a vontade de todo profissional da área. As primeiras pesquisas oficiais se tornaram
mundialmente conhecidas a partir da década de 60 (COLEMAN, 1966). Encontrar
ferramentas ou métodos que identifiquem critérios relevantes sobre a educação
sempre será bem vinda a comunidade e a sociedade. Essa pesquisa pode ajudar as
escolas a se desenvolverem, e assim: melhorar a reputação da escola, melhorar na
motivação e dedicação dos alunos e dos professores; e contribuir para gerar um
ambiente mais propício à aprendizagem.
Mas não basta detectar quais são os critérios de uma educação de
qualidade. Somente o termo qualidade já é complexo suficiente. É preciso muito
mais que um aspecto para melhorar a educação como todo. Para a Unesco,
A qualidade se transformou em um conceito
dinâmico que deve se adaptar permanentemente a
um mundo que experimenta profundas
transformações sociais e econômicas. É cada vez
mais importante estimular a capacidade de previsão
e de antecipação. Os antigos critérios de qualidade
já não são suficientes. Apesar das diferenças de
contexto, existem muitos elementos comuns na
busca de uma educação de qualidade que deveria
capacitar a todos, mulheres e homens, para
participarem plenamente da vida comunitária e para
serem também cidadãos do mundo. (UNESCO,
2001:1 apud GADOTTI, p.2)

6
Visto que o governo brasileiro entrega seus dados sobre a educação de forma
gratuita, percebe-se que essa pesquisa se torna muito viável, pois seu custo se
limita apenas ao limite dos computadores que utilizaremos para esse trabalho.

1.3 Objetivos
1.3.1 Objetivo Geral:
Analisar com o uso de técnicas da inteligência artificial quais fatores das
infraestruturas escolares públicas correlacionam tanto positivamente quanto
negativamente o crescimento do IDEB no Brasil e como diferenciá-las?

O objetivo é identificar quais são os fatores ou características “determinantes

(promotores), influenciadores e/ou condicionantes que podem comprometer a
qualidade do ensino”.

1.3.2 Objetivos Específicos:

● Identificar nas literaturas recentes quais documentos
● Coletar os Bancos de dados sobre as escolas públicas
● Utilizar de técnicas de IA sobre o banco de dados
● Tratar os resultados obtidos a fim de chegar a uma conclusão.

1.4 Estrutura do trabalho

Esta dissertação de mestrado está organizada em cinco capítulos, X apêndices e X
anexos.
● O Capítulo 2, apresenta a revisão de literatura sobre o tema abordado.
● O Capítulo 3, são apresentadas as metodologias e métodos aplicados na
condução da pesquisa.
● O Capítulo 4, descreve os resultados e as discussões observadas bem como
as inferências apresentadas.

7
● A conclusão no Capítulo 5, apresenta o que o trabalho pode contribuir para o
meio acadêmico e as dificuldades e limitações encontradas, finalizando com
as propostas de trabalhos futuros.
● Após os capítulos são apresentados os apêndices e anexos que descrevem
…

8
BIBLIOGRAFIA:

● ALBERNAZ, Â; FERREIRA, F. H. G.; FRANCO, C. Qualidade e equidade na

educação fundamental brasileira. Departamento de Economia, PUC-RIO.
Texto para Discussão, n. 455, Rio de Janeiro, maio 2002.

● BANDALOS, D. L., & FINNEY, S. J. (2018). Factor analysis: Exploratory and

confirmatory. In The reviewer’s guide to quantitative methods in the social
sciences (pp. 98-122). Routledge.

● BRANDÃO, C. R. O que é educação. Brasiliense, 2017.

● BRASIL. LDB. Lei de Diretrizes e Bases da Educação Nacional. 2. ed.

Secretaria de Editoração e Publicações - Coordenação de Edições Técnicas,
Senado Federal, Brasília, 2018.

● BRASIL. INEP. Nota Técnica - Índice de Desenvolvimento da Educação

Básica (IDEB), 2021. Disponível em:
https://download.inep.gov.br/educacao_basica/portal_ideb/o_que_e_o_ideb/
Nota_Tecnica_n1_concepcaoIDEB.pdf. Acesso em: 08 nov. 2021.

● _____. INSTITUTO NACIONAL DE ESTUDOS E PESQUISAS

EDUCACIONAIS ANÍSIO TEIXEIRA. Sistema de Avaliação da Educação
Básica (Saeb) – 2021. Disponível em:< https://www.gov.br/inep/pt-br/areas-
de-atuacao/avaliacao-e-exames-educacionais/saeb>. Acesso em novembro
de 2021.

● BRASIL. BNCC. Ministério da Educação. Secretaria da Educação Básica.

Base nacional comum curricular. Brasília, 2018 Disponível em:
http://basenacionalcomum.mec.gov.br/. Acesso em: 18 ago. 2022.

● BROOKE, N.; SOARES, J. F. Pesquisa em eficácia escolar: origem e

trajetória. Estudos em Avaliação Educacional. V. 22, n. 50, p. 593-598,
2011.

● COLEMAN, J. S. Equality of Educational Opportunity. Washington: Office

of Education, U.S., 1966.

9
● EDM’08. The First International Conference on Educational Data Mining.
Montreal, Quebéc, Canada: Université du Québec à Montréal (UQÀM), jun.
2008.

● FIGUEIREDO, E.; MACEDO, M.; SIQUEIRA, H. V.; SANTANA JR, C. J.;

GOKHALE, A.; BASTOS-FILHO, C. J. A. Swarm intelligence for clustering—
A systematic review with new perspectives on data mining. Engineering
Applications of Artificial Intelligence. v. 82, p. 313-329, 2019.

● GADOTTI, M. Qualidade na educação: uma nova abordagem. Disponível em:

http://www.pmf.sc.gov.br/arquivos/arquivos/pdf/14_02_2013_16.22.16.85d36
81692786726a a2c7daa4389040f.pdf Acesso em: 25 de dezembro de 2021.

● GOMES, Candido Alberto. A Educação em Perspectiva Sociológica. 3ª ed.,

São Paulo: EPU, 1994.

● GRUSON, D.; HELLEPUTTE, T.; ROUSSEAU, P.; GRUSON, D. Data

science, artificial intelligence, and machine learning: Opportunities for
laboratory medicine and the value of positive regulation. Clinical
biochemistry, v. 69, p. 1-7, 2019.

● NGUYEN, G. et al. Machine Learning and Deep Learning frameworks and

libraries for large-scale data mining: a survey. Artificial Intelligence Review.
v. 52, n. 1, p. 77-124, 2019.

● PALERMO, G. A.; SILVA, D. B. N.; NOVELLINO, M. S. F. Fatores associados

ao desempenho escolar: uma análise da proficiência em matemática dos
alunos do 5º ano do ensino fundamental da rede municipal do Rio de Janeiro.
Revista Brasileira de Estudos de População, v. 31, n. 2, p. 367-394, 2014.

● Rodrigues, R. L., Ramos, J. L. C., Silva, J. C. S., & Gomes, A. S. (2014). A

literatura brasileira sobre mineração de dados educacionais. In Anais dos
Workshops do Congresso Brasileiro de Informática na Educação (Vol. 3, No.
1, p. 621).

● RODRIGUES, N. Responsabilidade do estado e da sociedade. Tecnologia

educacional, Rio de Janeiro, v. 20, n. 101, p. 12-19, 1991.

10
● Romero, C., & Ventura, S. (2013). Data mining in education. Wiley
Interdisciplinary Reviews: Data Mining and Knowledge Discovery, 3(1), 12-27.

● SAVIANI, Dermeval. O Inep, o diagnóstico da educação brasileira e a Rbep.

Revista brasileira de estudos pedagógicos, v. 93, n. 234, 2012.

● SOARES, J. F., XAVIER, F. P. Pressupostos educacionais e estatísticos do

Ideb. Educação & Sociedade [on-line]. 2013, 34(124), 903-923 Disponível
em: https://www.redalyc.org/articulo.oa?id=87328534013

● Maćkiewicz, A.; Ratajczak W. Principal components analysis (PCA),

Computers & Geosciences, v. 19, n. 3, 1993.

11
 Tecnicamente, essas descrições excluem a análise de componentes, que é
um método para reduzir a dimensionalidade de um conjunto de variáveis
observadas através da criação de um número ótimo de compósitos ponderados.
Uma grande diferença entre a análise fatorial e a de componentes é que na última
toda a variância é analisada, enquanto na análise fatorial, apenas a variância
compartilhada (comum) é analisada. Por esse motivo, a análise fatorial às vezes é
chamada de análise fatorial comum. De muitas maneiras, no entanto, a análise de
componentes é muito semelhante à análise fatorial comum, e muitos dos
desideratos para a análise fatorial exploratória apresentados aqui se aplicam
igualmente à análise de componentes. Dado que o objetivo da análise de
componentes é explicar o máximo possível de variância observada por meio dos
compostos ponderados e não, como na análise fatorial comum, modelar as relações
entre variáveis como funções de variáveis latentes subjacentes, aqueles desideratos
relacionados à importância da teoria pois a análise fatorial não se aplica
necessariamente à análise de componentes (ver Widaman, 2007, para uma
explicação detalhada da distinção conceitual e matemática entre análise fatorial
exploratória e análise de componentes principais). Isso porque, embora os
componentes possam representar construtos, a análise de componentes ainda pode
ter utilidade como método de redução de dados, mesmo que os próprios
componentes não sejam interpretados. Nesses casos, os componentes não
fornecem uma explicação para a variância compartilhada das variáveis, mas são
usados para representar essa variância compartilhada da maneira mais
parcimoniosa possível.
A Análise de Componentes Principais, em inglês “Principal Component
Analysis” (PCA), é um método de estatística multivariada que foi desenvolvida antes
da Segunda Guerra Mundial. Porém, sua aplicação se tornou mais ampla somente
na década de 1960. Esse lapso temporal se deu pelo fato da enorme dificuldade dos
cálculos envolvendo esse método. Somente após o desenvolvimento dos
computadores o uso do PCA se tornou mais aplicável. Ao mesmo tempo, surgiram
requisitos de cálculo de autovalores e autovetores, porque a aplicação de
componentes principais em problemas técnicos exigia muita precisão (Maćkiewicz,
Ratajczak, 1993). O PCA analisa consecutivamente, matrizes de variância-
covariância e correlações, e executa as diversas funções, como: teste dos
componentes principais e/ou mais relevantes de um matriz; construção de dendritos

12
para padronização dos componentes principais selecionados; definição de valores e
vetores próprios das matrizes analisadas; testes e cálculos de coeficientes entre os
componentes selecionados; determinação da variação de todas as variáveis de
entrada para cada componente; criação de um dendrito inicial das variáveis de
entrada; separação de objetos analisados em um sistema de coordenadas; outros.
Para esse trabalho, busca-se utilizar as técnicas de IA Principal Component
Analysis - PCA e outras, tanto na base de dados do IDEB e do microdados
ofertados pelo INEP. O objetivo é identificar quais são os fatores ou características
“determinantes (promotores), influenciadores e/ou condicionantes que podem
comprometer a qualidade do ensino”. Ressalta-se que o critério de um bom
desempenho escolar neste trabalho, está ligado ao bom desempenho das escolas
em relação a nota do IDEB da instituição. Apesar de alguns autores como Soares e
Xavier (2013) criticarem a possível manipulação de dados do IDEB para uma
avaliação de desempenho escolar, ainda assim, usaremos o mesmo como métrica
de referência de qualidade de ensino.

13