O desempenho dos alunos dos cursos de Música no Enade 2014

Transcrição

1 O desempenho dos alunos dos cursos de Música no Enade 2014 Neylson Crepalde, PhD Candidate. Grupo Interdisciplinar de Pesquisa em Análise de Redes Sociais Departamento de Sociologia UFMG Curso de Música CEUNIH CARA COPPEAD RJ 14 de Abril de 2016

2 Conteúdo 1 Introdução 2 Metodologia 3 Resultados 4 Considerações Finais Neylson Crepalde (UFMG / CEUNIH) Música Enade 2014 Abril, / 19

3 Introdução Da perspectiva de um gestor educacional de ensino superior, o sucesso de seu trabalho reside na formação de profissionais altamente capacitados e que detenham o conhecimento necessário às atividades que eles deverão realizar em seus respectivos setores. Além de um rigoroso sistema de avaliação interno previsto em seu Projeto Poĺıtico-Pedagógico, o gestor tem à sua disposição dados que permitam comparar seus resultados com outras escolas em todo o país. Trata-se do Exame Nacional de Desempenho dos Estudantes (Enade). Neylson Crepalde (UFMG / CEUNIH) Música Enade 2014 Abril, / 19

4 A tomada de decisão na gestão acadêmica Segundo Angeloni (2003), o estilo de gestão tayloriano com foco nos bens tangíveis está dando lugar a modelos mais modernos com foco em bens intangíveis. De fato, as decisões ganham em velocidade e qualidade quando apoiadas em dados, informação e conhecimento. Apenas os dados per se não tem efeito sobre o processo decisório. Data = Information = Knowledge Neylson Crepalde (UFMG / CEUNIH) Música Enade 2014 Abril, / 19

5 Metodologia - Escolhendo o modelo Para fazer a escolha do modelo adequado, usei duas técnicas: a Forward Stepwise Selection e o LASSO. A Forward Stepwise Selection consiste de um método de seleção do melhor modelo construindo modelos aninhados gradativamente desde o modelo nulo até aquele com p covariáveis (JAMES et al., 2015). O LASSO, por sua vez é uma técnica conhecida como shrinkage onde o objetivo é controlar ou diminuir os coeficientes do modelo de modo que eles tendam a zero (HASTIE; TIBSHIRANI; FRIEDMAN, 2009). O LASSO pode ser definido por: n y i β 0 p β j x ij 2 p + λ β j = RSS + λ i=1 j=1 j=1 j=1 p β j (1) Neylson Crepalde (UFMG / CEUNIH) Música Enade 2014 Abril, / 19

6 FSS e LASSO Forward Stepwise Selection Test Root MSE Index Coefficients LASSO Mean Squared Error LASSO Cross Validation Log Lambda log(lambda) Neylson Crepalde (UFMG / CEUNIH) Música Enade 2014 Abril, / 19

7 Os modelos multinível Os modelos hierárquicos ou modelos multinível (HLM) surgiram nos estudos em Ciências da Educação considerando que as variáveis abordadas não deveriam ser vistas no mesmo plano, mas aninham-se de forma hierárquica em níveis diferentes de análise. Alunos, por exemplo, agrupam-se dentro de classes, classes agrupam-se dentro de escolas, escolas agrupam-se em diferentes locais e assim por diante (MAIA et al., 2003). A grande vantagem dos modelos multinível está na possibilidade de contemplar as correlações e a variação dos coeficientes estimados entre os grupos aninhados, o que escapa aos modelos lineares. Neylson Crepalde (UFMG / CEUNIH) Música Enade 2014 Abril, / 19

8 No modelo hierárquico são estimadas duas equações, uma para cada nível de análise (RAUDENBUSH; BRIK, 2002). A estimação do modelo no primeiro nível pode ser definida por NotaGeral ij = β 0j + β j X + e ij (2) A estimação do segundo nível pode ser definida por β 0j = γ 00 + U 0j (3) Neylson Crepalde (UFMG / CEUNIH) Música Enade 2014 Abril, / 19

9 Interessa-nos testar o efeito de cinco variáveis do segundo nível sobre o desempenho geral porque elas assumem a possibilidade de ação diferente das variáveis do primeiro nível, individuais. Escolhemos como variáveis de teste a percepção do estudante sobre o estímulo ao trabalho em equipe em sua IES, sua percepção sobre a relação professoraluno, o estímulo dado pela IES à extensão universitária, à iniciação científica e os ambientes e equipamentos do curso em geral. Testarei também a interação entre extensão e iniciação científica pois é bastante comum que essas áreas funcionem em estreita relação nas IES. Neylson Crepalde (UFMG / CEUNIH) Música Enade 2014 Abril, / 19

10 Tabela : Variável dependente e variáveis de teste Variável Tipo Descrição Variável Dependente Nota Geral Numérica Nota bruta da prova - Média ponderada da formação geral (25%) e componente específico (75%) (0 a 100) Variáveis de Teste Trabalho em equipe Categórica Ordinal 1 (discordo totalmente) 6 (concordo totalmente) Relação professor-aluno Categórica Ordinal 1 (discordo totalmente) 6 (concordo totalmente) Extensão Universitária Categórica Ordinal 1 (discordo totalmente) 6 (concordo totalmente) Iniciação Científica Categórica Ordinal 1 (discordo totalmente) 6 (concordo totalmente) Ambiente e equipamentos Categórica Ordinal 1 (discordo totalmente) 6 (concordo totalmente) Neylson Crepalde (UFMG / CEUNIH) Música Enade 2014 Abril, / 19

11 Figura : Distribuição da variável dependente Neylson Crepalde (UFMG / CEUNIH) Música Enade 2014 Abril, / 19

12 Resultados Tabela : Modelos - Nota Geral do ENADE 2014 Dependent variable: Nota Geral OLS geral OLS música HLM música (1) (2) (3) Intercepto (0.394) (4.942) (3.506) Trab. Equipe (0.039) (0.328) (0.317) Relação prof-aluno (0.039) (0.318) (0.306) Extensão (0.063) (0.546) (0.526) Iniciação Científica (0.070) (0.650) (0.623) Interação Ext. In. Cient (0.014) (0.125) (0.120) Ambientes/equip (0.028) (0.227) (0.210) Observations 196,971 2,025 2,025 R Adjusted R Akaike Inf. Crit. 16, Bayesian Inf. Crit. 16, Note: p<0.1; p<0.05; p<0.01 Neylson Crepalde (UFMG / CEUNIH) Música Enade 2014 Abril, / 19

13 Testando o HLM Tabela : Random Effects (HLM Música) Group Variance Std. Dev. χ 2 DF p.value 1 IES (Intercept) Residual Tabela : Likelihood Ratio Test #DF LogLik Diff χ 2 p.value Neylson Crepalde (UFMG / CEUNIH) Música Enade 2014 Abril, / 19

14 Amplitude do intercepto aleatório Effect Ranges co_ies 5 Effect Range 0 (Intercept) 5 Group Neylson Crepalde (UFMG / CEUNIH) Música Enade 2014 Abril, / 19

15 Considerações Finais O HLM indica que investimentos na extensão universitária no contexto de um curso de música são os mais promissores se nosso objetivo é potencializar o desempenho dos alunos no Enade. Música se aprende no palco. (Oilliam Lana) A relação professor-aluno e a iniciação científica parecem ser também campos frutíferos para investimentos. Neylson Crepalde (UFMG / CEUNIH) Música Enade 2014 Abril, / 19

16 Considerações Finais A infraestrutura das IES tem um efeito grande e significativo para o contexto dos cursos de música. Sem dúvida, são necessários grandes investimentos para que, com equipamentos adequados, os alunos possam desenvolver suas habilidades. Contudo, o fato de que o modelo aponta uma correlação negativa entre a infraestrutura e a nota geral é algo que demanda uma investigação mais profunda, a qual pretendo abordar em trabalhos futuros. Neylson Crepalde (UFMG / CEUNIH) Música Enade 2014 Abril, / 19

17 Considerações Finais Além das variáveis de teste, o modelo também é útil ao gestor indicando algumas áreas com grande efeito sobre a nota geral. Essas variáveis, mesmo não sendo de responsabilidade direta do gestor educacional podem sofrer algumas mudanças sugeridas por ele. As bolsas de PROUNI, bolsas de monitoria, o ensino de uma ĺıngua estrangeira de modo parcialmente presencial e parcialmente semipresencial, a disponibilidade do professor para atender aos alunos fora do seu horário de aula e o acompanhamento do estágio durante todo o processo tem efeitos expressivos sobre o desempenho e são práticas e que devem ser encorajadas e buscadas pelos gestores educacionais de cursos de música no Brasil. Neylson Crepalde (UFMG / CEUNIH) Música Enade 2014 Abril, / 19

18 Referências ANGELONI, Maria Terezinha. Elementos intervenientes na tomada de decisão. Ci. Inf., Brasília, v. 32, n. 1, p , abr Disponível em Acesso em 09 fev HASTIE, Trevor; TIBSHIRANI, Robert; FRIEDMAN, Jerome. The Elements of Statistical Learning: data mining, inference and prediction. 2 ed. New York: Springer, Disponível em Acesso em 03 mar INSTITUTO NACIONAL DE ESTUDOS E PESQUISAS EDUCACIONAIS ANÍSIO TEIXEIRA (INEP). Sítio eletrônico do Enade. Disponível em Acesso em 06 fev JAMES, Gareth et al. An Introduction to Statistical Learning with Applications in R. Ebook. New York: Springer, Disponível em Acesso em 02 mar MAIA, José A.R. et al. Modelação hierárquica ou multinível. Uma metodologia estatística e um instrumento útil de pensamento na investigação em Ciências do Desporto. Revista Portuguesa de Ciências do Desporto, 3(1), p , R CORE TEAM. R: A language and environment for statistical computing. R Foundation for Statistical Computing. Vienna, Austria. Disponível em Acesso em 06 fev RAUDENBUSH, Stephen W.; BRYK, Anthony S. Hierarchical linear models: Applications and data analysis methods. Thousand Oaks, California: Sage, Neylson Crepalde (UFMG / CEUNIH) Música Enade 2014 Abril, / 19

19 Obrigado. Neylson Crepalde (UFMG / CEUNIH) Música Enade 2014 Abril, / 19