Análise exploratória de dados e modelagem de aprendizado de máquina com base nos microdados do Enem 2023

Abstract

Este trabalho apresenta uma análise exploratória dos microdados do Enem 2023, con siderando aspectos de desempenho e abstenção, e propõe a construção de um modelo preditivo baseado em algoritmos de aprendizado de máquina para estimar a probabili dade de ausência dos candidatos. A proposta combina diagnóstico detalhado do exame, com insights sobre fatores como escolaridade, renda, ocupação familiar, estado e idade, e a elaboração de um modelo inovador, capaz de prever de forma acurada e calibrada a prob abilidade de abstenção. A validação foi conduzida por meio de experimentos utilizando Python e bibliotecas de ciência de dados, confirmando hipóteses relevantes, observando métricas de performance de modelos satisfatórias e evidenciando o impacto de variáveis socioeconômicas e regionais no desempenho e na participação. Como perspectivas futuras, sugere-se aplicar o modelo em bases de inscritos antes da realização do exame, além de atualizá-lo anualmente com os novos dados, de modo a apoiar políticas públicas voltadas à redução da evasão, melhoria na aprendizagem e ao aprimoramento da participação es tudantil.