Gestão escolar baseada em dados: análise da frequência estudantil e modelos de otimização
| Main Author: | |
|---|---|
| Publication Date: | 2025 |
| Format: | Master thesis |
| Language: | por |
| Source: | Repositório Institucional da UFRRJ |
| Download full: | https://rima.ufrrj.br/jspui/handle/20.500.14407/22015 |
Summary: | A frequência estudantil na Educação Básica é um fator crucial para o sucesso escolar, mas os parâmetros que influenciam a decisão dos alunos de frequentar ou não a escola em determina- dos dias da semana ainda são pouco explorados na literatura. Este trabalho propõe um estudo sobre a influência dos dias da semana e dos quadros de horários de disciplinas sobre a frequên- cia escolar, com o objetivo de otimizar a gestão de recursos materiais, humanos e financeiros. A análise de dados foi realizada a partir de um estudo de caso no Colégio Estadual Engenheiro Arêa Leão, em Nova Iguaçu, Rio de Janeiro, utilizando análise exploratória e análise de variân- cia de 1-fator sobre os dados de frequência de 2022. Os resultados indicaram que a frequência média é maior nas terças-feiras, especialmente em disciplinas como Português e Matemática, e menor nas sextas-feiras, associada a disciplinas de natureza humana. A ponderação dos pe- sos disciplinares levou à adaptação de um modelo de múltiplas mochilas para a construção do quadro de horários de disciplinas por turmas, enquanto os dados de frequência inspiraram a cri- ação de um modelo de minimização quadrático, baseado na variância dos dados, para gerar uma frequência esperada. Esses modelos podem contribuir para uma gestão escolar mais eficiente, auxiliando na alocação de recursos e no planejamento das atividades escolares. |
| id |
UFRRJ-1_a10913f59493e4cf432cffb095a30f86 |
|---|---|
| oai_identifier_str |
oai:rima.ufrrj.br:20.500.14407/22015 |
| network_acronym_str |
UFRRJ-1 |
| network_name_str |
Repositório Institucional da UFRRJ |
| repository_id_str |
|
| spelling |
Santos, Carolina Pinheiro dosGregório, Ronaldo Malheiroshttps://orcid.org/0000-0003-2229-0523http://lattes.cnpq.br/4502104424266743Silva, Felipe Leite Coelho dahttps://orcid.org/0000-0002-7090-5716http://lattes.cnpq.br/9601624302826678Cruz, Marcelo Dibhttps://orcid.org/0000-0002-0380-144Xhttp://lattes.cnpq.br/7385995443437070Gregório, Ronaldo Malheiroshttps://orcid.org/0000-0003-2229-0523http://lattes.cnpq.br/4502104424266743Silva, Felipe Leite Coelho dahttps://orcid.org/0000-0002-7090-5716http://lattes.cnpq.br/9601624302826678Cruz, Marcelo Dibhttps://orcid.org/0000-0002-0380-144Xhttp://lattes.cnpq.br/7385995443437070Souza Filho, Erito Marques dehttp://lattes.cnpq.br/0606341154404244Simonetti, Luidi Gelaberthttps://orcid.org/0000-0001-8273-9439http://lattes.cnpq.br/9521646119786469http://lattes.cnpq.br/95108325418391922025-05-29T14:46:38Z2025-05-29T14:46:38Z2025-02-27SANTOS, Carolina Pinheiro dos. Gestão escolar baseada em dados: análise da frequência estudantil e modelos de otimização. 2025. 69 f. Dissertação (Mestrado em Modelagem Matemática e Computacional) - Instituto de Ciências Exatas, Universidade Federal Rural do Rio de Janeiro, Seropédica, 2025.https://rima.ufrrj.br/jspui/handle/20.500.14407/22015A frequência estudantil na Educação Básica é um fator crucial para o sucesso escolar, mas os parâmetros que influenciam a decisão dos alunos de frequentar ou não a escola em determina- dos dias da semana ainda são pouco explorados na literatura. Este trabalho propõe um estudo sobre a influência dos dias da semana e dos quadros de horários de disciplinas sobre a frequên- cia escolar, com o objetivo de otimizar a gestão de recursos materiais, humanos e financeiros. A análise de dados foi realizada a partir de um estudo de caso no Colégio Estadual Engenheiro Arêa Leão, em Nova Iguaçu, Rio de Janeiro, utilizando análise exploratória e análise de variân- cia de 1-fator sobre os dados de frequência de 2022. Os resultados indicaram que a frequência média é maior nas terças-feiras, especialmente em disciplinas como Português e Matemática, e menor nas sextas-feiras, associada a disciplinas de natureza humana. A ponderação dos pe- sos disciplinares levou à adaptação de um modelo de múltiplas mochilas para a construção do quadro de horários de disciplinas por turmas, enquanto os dados de frequência inspiraram a cri- ação de um modelo de minimização quadrático, baseado na variância dos dados, para gerar uma frequência esperada. Esses modelos podem contribuir para uma gestão escolar mais eficiente, auxiliando na alocação de recursos e no planejamento das atividades escolares.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPESSchool attendance in Basic Education is a crucial factor for academic success, yet the param- eters influencing students’ decisions to attend or skip school on specific weekdays remain un- derexplored in the literature. This study examines the influence of weekdays and the course schedule on school attendance, aiming to optimize the management of material, human, and financial resources. Data analysis was conducted through a case study at Colégio Estadual Engenheiro Arêa Leão, in Nova Iguaçu, Rio de Janeiro, using exploratory analysis and one- way ANOVA on 2022 attendance data. The results indicated that average attendance is highest on tuesdays, particularly in subjects like Portuguese and Mathematics, and lowest on fridays, mainly in humanities-related subjects. The weighting of subject impact led to the adaptation of a multiple knapsack model for constructing class schedules, while attendance data inspired the development of a quadratic minimization model, based on data variance, to generate an expected attendance distribution. These models can contribute to more efficient school man- agement, aiding in resource allocation and the planning of educational activities.porUniversidade Federal Rural do Rio de JaneiroPrograma de Pós-Graduação em Modelagem Matemática e ComputacionalUFRRJBrasilInstituto de Ciências ExatasCiência da ComputaçãoGestão EscolarFrequência EstudantilANOVAModelo de Alocação de Salas de AulaModelo QuadráticoModelo QuadráticoModelo QuadráticoANOVA, Classroom Assignment ModelQuadratic ProgrammingGestão escolar baseada em dados: análise da frequência estudantil e modelos de otimizaçãoData-driven school management: analysis of student at- tendance and optimization modelsinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesis1 ARENALES, M. et al. Pesquisa Operacional. 1 ed. Rio de Janeiro: Elsevier, 2011. 524 p. 2 ANSARI, A.; PIANTA, R. C. School absenteeism in the first decade of education and out- comes in adolescence. Journal of School Psychology, v. 76, p. 48-61, 2019. Disponível em: <https://doi.org/10.1016/j.jsp.2019.07.010>. Acesso em 18 nov. 2024. 3 BANERJI, M.; MATHUR, K. Understanding school attendance: The missing link in “Scho- oling for All”. International Journal of Educational Development, v. 87, 2021. Disponível em: <https://doi.org/10.1016/j.ijedudev.2021.102481>. Acesso em 18 nov. 2024. 4 BAZARAA, M. S.; SHERALI, H. D.; SHETTY, C. M. Nonlinear programming: theory and algorithms. 3rd ed. USA: John Wiley & Sons, Inc, 2006. 880 p. 5 BRASIL, A. M. M. Modelos de otimização combinatória aplicados à gestão de demandas operacionais em centros universitários. Dissertação: Programa de Pós-graduação em Mode- lagem Matemática e Computacional, Universidade Federal Rural do Rio de Janeiro. Rio de Janeiro. 2023. 57 p. 6 BRASIL. Conselho Nacional de Educação. Nota de esclarecimento: retorno das atividades escolares e acadêmicas presenciais em 2022. Brasília, DF, 27 jan. 2022. Dis- ponível em: <http://portal.mec.gov.br/index.php?option=com_docman&view=download& alias=232651-nota-de-esclarecimento-covid-19-2022&category_slug=dezembro-2021-pdf& Itemid=30192>. Acesso em 23 jan. 2025. 7 BRASIL. Constituição (1988). Constituição da República Federativa do Brasil. Brasília, DF, 1988. 8 BRASIL. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Nota técnica: índice de desenvolvimento da educação básica-Ideb. Brasília, 2021. 9 BRASIL. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira (Inep). Resumo Técnico: Censo Escolar da Educação Básica 2021. Brasília, 2021. 10 BRASIL. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira (Inep). Saeb 2021: Indicador de Nível Socioeconômico do Saeb 2021: nota técnica. Brasília, DF: Inep, 2023. 11 BRASIL. Lei no 13.415, de 16 de fevereiro de 2017. Altera as Leis no 9.394, de 20 de dezembro de 1996, que estabelece as diretrizes e bases da educação nacional, e no 11.494, de 20 de junho de 2007, que regulamenta o Fundo de Manutenção e Desenvolvimento da Educação Básica e de Valorização dos Profissionais da Educação (FUNDEB), e dá outras providências. Diário Oficial da União: seção 1, Brasília, DF, 17 fev. 2017. Disponível em: <https://www. planalto.gov.br/ccivil_03/_ato2015-2018/2017/lei/l13415.htm>. Acesso em 23 jan. 2025. 12 BRASIL. Lei no 10.836, de 9 de janeiro de 2004. Cria o Programa Bolsa Família, altera a Lei no 10.689, de 13 de junho de 2003, e dá outras providências. Diário Oficial da União: seção 1, Brasília, DF, 12 jan. 2004. Disponível em: <https://www2.camara.leg.br/legin/fed/lei/2004/ lei-10836-9-janeiro-2004-490604-publicacaooriginal-1-pl.html>. Acesso em 12 mar. 2025. 13 BRASIL. Lei no 14.601, de 19 de junho de 2023. Altera a Lei no 10.836, de 9 de janeiro de 2004, que institui o Programa Bolsa Família, para dispor sobre condicionalidades na área de educação e medidas de acompanhamento das famílias beneficiárias. Diário Oficial da União: seção 1, Brasília, DF, 20 jun. 2023. Disponível em: <http://www.planalto.gov.br/ccivil_03/ _Ato2023-2026/2023/Lei/L14601.htm>. Acesso em 23 jan. 2025. 14 BRASIL. Lei no 11.947, de 16 de junho de 2009. Dispõe sobre o atendimento da alimen- tação escolar e do Programa Dinheiro Direto na Escola aos alunos da educação básica. Diário Oficial da União: seção 1, Brasília, DF, 17 jun. 2009. Disponível em: <https://www.planalto. gov.br/ccivil_03/_ato2007-2010/2009/lei/l11947.htm>. Acesso em 25 jan. 2025. 15 BRASIL. Lei no 13.005, de 25 de junho de 2014. Aprova o Plano Nacional de Educação – PNE e dá outras providências. Diário Oficial da União: seção 1, p. 1, 26 jun. 2014. Disponível em: <https://www.planalto.gov.br/ccivil_03/_ato2011-2014/2014/lei/l13005.htm>. Acesso em 25 jan. 2025. 16 BRASIL. Lei no 10.219, de 11 de abril de 2001. Cria o Programa Nacional de Renda Mí- nima vinculada à Educação – "Bolsa Escola", e dá outras providências. Diário Oficial da União: seção 1, Brasília, DF, 12 abr. 2001. Disponível em: <https://www.planalto.gov.br/ccivil_03/leis/ leis_2001/l10219.htm>. Acesso em 25 jan. 2025. 17 BRASIL. Programa Nacional de Alimentação Escolar (PNAE). Disponível em: <https:// www.gov.br/fnde/pt-br/acesso-a-informacao/acoes-e-programas/programas/pnae>. Acesso em 15 jan. 2025. 18 Breusch, T.S.; Pagan, A.R. A Simple Test for Heteroscedasticity and Random Coefficient Variation. Econometrica, v. 47, n. 05, p. 1287-1294, 1979. Disponível em: <https://doi.org/10. 2307/1911963>. Acesso em 18 nov. 2024. 19 BUSSAB, W. O.; MORETTIN, P. A. Estatística Básica. 7 ed. São Paulo: Saraiva, 2011. 540 p. 20 BYRD, R. H.; et al. A Limited Memory Algorithm for Bound Constrained Optimization. SIAM Journal on Scientific Computing, v. 16, n. 5, p. 1190-1208, 1995. Disponível em: <https: //doi.org/10.1137/0916069>. Acesso em 25 jan. 2025. 21 CACCIAMALI, M.C.; TATEI, F.; BATISTA, N.F. Impactos do programa bolsa fa- mília federal sobre o trabalho infantil e a frequência escolar. Revista de Economia Con- temporânea, v. 14, n. 2, p. 269-301, 2010. Disponível em: <https://doi.org/10.1590/ S1415-98482010000200003>. Acesso em 22 nov. 2024. 22 CAVALCANTI, D.M.; COSTA, E.M.; SILVA, J.L.M. Programa bolsa família e o Nor- deste: impactos na renda e na educação, nos anos de 2004 e 2006. Revista de Econo- mia Contemporânea, v. 17, n. 1, p. 99-128, 2013. Disponível em: <https://doi.org/10.1590/ S1415-98482013000100004>. Acesso em 22 nov. 2024. 23 CICUTO, C. A. T.; TORRES, B. B. Influência da frequência e participação no desempenho em um ambiente de aprendizagem centrado no aluno. Química Nova, v. 43, n. 2, p. 239-248, 2020. Disponível em: <http://dx.doi.org/10.21577/0100-4042.20170464>. Acesso em 18 nov. 2024. 24 GALHARDO, E. et al. Desempenho acadêmico e frequência dos estudantes ingressantes pelo Programa de Inclusão da UNESP. Avaliação: Revista da Avaliação da Educação Superior (Campinas), Sorocaba, v. 25, n. 03, p. 701-723, 2020. Disponível em: <http://dx.doi.org/10. 1590/S1414-40772020000300010>. Acesso em 18 nov. 2024. 57 25 GARCIA, R. A.; RIOS-NETO, E. L. G.; MIRANDA-RIBEIRO, A. Efeitos rendimento escolar, infraestrutura e prática docente na qualidade do ensino médio no Brasil. Revista brasi- leira de Estudos de População, v. 38, p. 1-32, 2021. Disponível em: <https://doi.org/10.20947/ S0102-3098a0152>. Acesso em 18 nov. 2024. 26 GNU PROJECT. GNU Linear Programming Kit (GLPK), version 5.0. Disponível em: <https://www.gnu.org/software/glpk/>. Acesso em 5 fev. 2025. 27 GOLDBARG, M. C.; LUNA, H. P. L. Otimização combinatória e programação linear: modelos e algoritmos. 2 ed. Rio de Janeiro: Elsevier, 2005. 519 p. 28 HARRIS, C. R. et al. Array programming with NumPy. Nature, v. 585, n. 7825, p. 357–362, 2020. Disponível em: https://doi.org/10.1038/s41586-020-2649-2. Acesso em 5 fev. 2025. 29 HILLIER, F. S.; LIEBERMAN, G. J. Introdução à pesquisa operacional. 9 ed. Porto Ale- gre: AMGH, 2013. 1005 p. 30 HUNTER, J. D. Matplotlib: A 2D graphics environment. Computing in Science & En- gineering, v. 9(3), p. 90-95, 2007. Disponível em: <https://doi.org/10.1109/MCSE.2007.55>. Acesso em 30 dez. 2024. 31 IZMAILOV, A.; SOLODOV, M. Otimização. 4 ed, v 1. Rio de Janeiro: IMPA, 2020. 256 p. 32 IZMAILOV, A.; SOLODOV, M. Otimização - volume 2. Métodos Computacionais. 3 ed. Rio de Janeiro: IMPA, 2018. 494 p. 33 LAVINAS, L.; BARBOSA, M.L.O. Combater a pobreza estimulando a freqüência escolar: o estudo de caso do Programa Bolsa-Escola do Recife. Dados, v. 43, n. 3, 2001. Disponível em: <https://doi.org/10.1590/S0011-52582000000300002>. Acesso em 18 nov. 2024. 34 LLOYD, S. Least squares quantization in PCM. IEEE Transactions on Information Theory, v. 28, n. 2, p. 129-137, 1982. Disponível em: https://hal.science/hal-04614938v1. Acesso em 22 nov. 2024. 35 LUENBERGER, D. G.; YE, Y. Linear and Nonlinear Programming. 4th ed. Springer, 2016. 555 p. 36 MCKINNEY, W. pandas: A fast, powerful, flexible, and easy-to-use open source data analysis and manipulation library. 2010. Disponível em: <https://pandas.pydata.org>. Acesso em 30 dez. 2024. 37 MACAMBIRA, A. F. U.; et al. Tópicos em Otimização Inteira. 1 ed. Rio de Janeiro: UFRJ, 2022. 258 p. 38 MARTÍNEZ, J. M.; SANTOS, S. A. Métodos Computacionais de Otimização. Versão re- visada. São Paulo: IMECC, UNICAMP, 2020. 228 p. 39 MELO, R.M.S.; DUARTE, G.B. Impacto do Programa Bolsa Família sobre a Frequên- cia Escolar: o caso da agricultura familiar no Nordeste do Brasil. Revista de Economia e Sociologia Rural, v. 48, n. 3, p. 635-656, 2010. Disponível em: <https://doi.org/10.1590/ S0103-20032010000300007>. Acesso em 22 nov. 2024. 40 MÍGUEZ, D. P. Factores asociados al desempeño entre estudiantes de bajo estatus socio- cultural en Brasil, Chile y Argentina. Revista Brasileira de Educação, v. 28, 2023. Disponível em: <https://doi.org/10.1590/S1413-24782023280020>. Acesso em 18 nov. 2024. 41 MONTGOMERY, D. C. Design and Analysis of Experiments. 8th ed. USA: John Wiley & Sons, Inc, 2013. 724 p. 42 PIRES, A. Afinal, para que servem as condicionalidades em educação do Programa Bolsa Família? Ensaio: Avaliação e Políticas Públicas em Educação, v. 21, n. 80, p. 513-532, 2013. Disponível em: <https://doi.org/10.1590/S0104-40362013000300007>. Acesso em 22 nov. 2024. 58 43 PONTILI, R. M.; KASSOUF, A. L. Fatores que afetam a frequência e o atraso es- colar nos meios urbano e rural, de São Paulo e Pernambuco. Revista de Economia e Sociologia Rural, v. 45, n. 1, p. 27-47, 2007. Disponível em: <https://doi.org/10.1590/ S0103-20032007000100002>. Acesso em 22 nov. 2024. 44 PYTHON SOFTWARE FOUNDATION. Python Programming Language. Disponível em: <https://www.python.org/>. Acesso em 30 dez. 2024. 45 RIO DE JANEIRO. Secretaria de Estado de Educação. Alimentação escolar. Disponível em: <https://www.seeduc.rj.gov.br/cidad%C3%A3o/alimenta%C3%A7%C3%A3o-escolar>. Acesso em: 18 nov. 2024. 46 RIVERBANK COMPUTING. (2016). PyQt5: Python bindings for Qt5. 2016. Disponível em: <https://www.riverbankcomputing.com/software/pyqt/intro>. Acesso em 30 dez. 2024. 47 ROUSSAS, G. An Introduction to Probability and Statistical Inference. USA: Elsevier Sci- ence, 2003. 523 p. 48 SÁTYRO, N. G. D.; D’ALBUQUERQUE, R. W. O que é um Estudo de Caso e quais as suas potencialidades? Sociedade e Cultura, Goiânia, v. 23, 2020. DOI: 10.5216/sec.v23i.55631. Disponível em: <https://revistas.ufg.br/fcs/article/view/55631>. Acesso em: 18 nov. 2024. 49 SILVA, B. S. Principais motivos de saída antecipada dos alunos durante o período de aula. Educação e Pesquisa, v. 49, 2023. Disponível em: <https://doi.org/10.1590/ S1678-4634202349249413por>. Acesso em 22 nov. 2024. 50 SILVA JUNIOR, W. S.; GONÇALVES, F. O. Evidências da relação entre a frequência no ensino infantil e o desempenho dos alunos do ensino fundamental público no Brasil. Revista brasileira de Estudos de População, Rio de Janeiro, v. 33, n. 2, p. 283-301, 2016. Disponível em: <https://doi.org/10.20947/S0102-30982016a0015>. Acesso em 18 nov. 2024. 51 SANTOS, R. V. Otimização do quadro de horário de disciplinas em uma escola da rede estadual de ensino do estado do Rio de Janeiro: uma proposta baseada em análise estatística da frequência estudantil. Monografia: Licenciatura em Matemática, Instituto Multidisciplinar, Universidade Federal Rural do Rio de Janeiro. Rio de Janeiro. 2024. 54 p. 52 SEABOLD, S.; PERKTOLD, J. Statsmodels: Econometric and statistical modeling with Python. In 9th Python in Science Conference, p. 92-96, 2010. Disponível em: <https://www. statsmodels.org>. Acesso em 30 dez. 2024. 53 SENADO FEDERAL. As 20 metas do PNE e a avaliação do Inep. Brasília, DF, 17 fev. 2023. Disponível em: <https://www12.senado.leg.br/noticias/materias/2023/02/17/ as-20-metas-do-pne-e-a-avaliacao-do-inep>. Acesso em 18 nov. 2024. 54 SOARES, J. F.; ALVES, M. T. G.; FONSECA, J. A. Trajetórias educacionais como evi- dência da qualidade da educação básica brasileira. Revista brasileira de Estudos de População, v. 38, p. 1-21, 2021. Disponível em: <http://dx.doi.org/10.20947/S0102-3098a0167>. Acesso em: 18 nov. 2024. 55 VIRTANEN, P.; et al. SciPy 1.0: Fundamental algorithms for scientific computing in Python. Nature Methods, v. 17(3), p. 261–272, 2020. Disponível em: <https://doi.org/10.1038/ s41592-019-0686-2>. Acesso em 30 dez. 2024. 56 WALBERG, H. J. Synthesis of research on time and learning. Educational Leadership, v. 45, p. 76-85, 1988. Disponível em: <https://www.researchgate.net/publication/234750966_ Synthesis_of_Research_on_Time_and_Learning>. Acesso em 18 nov. 2024. 57 ZHU, C.; et al. Algorithm 778: L-BFGS-B: Fortran Subroutines for Large-Scale Bound Constrained Optimization. ACM Transactions on Mathematical Software, v. 23, n. 4, p. 550- 560, 1997. Disponível em: <https://dl.acm.org/doi/pdf/10.1145/279232.279236>. Acesso em 25 jan. 2025.reponame:Repositório Institucional da UFRRJinstname:Universidade Federal Rural do Rio de Janeiro (UFRRJ)instacron:UFRRJinfo:eu-repo/semantics/openAccessORIGINALCAROLINA PINHEIRO DOS SANTOS.pdfCAROLINA PINHEIRO DOS SANTOS.pdfapplication/pdf1458495https://rima.ufrrj.br/jspui/bitstream/20.500.14407/22015/1/CAROLINA%20PINHEIRO%20DOS%20SANTOS.pdfe6a4dfac94c758fc439ea6c12578eb15MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://rima.ufrrj.br/jspui/bitstream/20.500.14407/22015/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52TEXTCAROLINA PINHEIRO DOS SANTOS.pdf.txtCAROLINA PINHEIRO DOS SANTOS.pdf.txtExtracted texttext/plain180179https://rima.ufrrj.br/jspui/bitstream/20.500.14407/22015/3/CAROLINA%20PINHEIRO%20DOS%20SANTOS.pdf.txt8cf680222e48c0bdfdbd7ee499f7b803MD53THUMBNAILCAROLINA PINHEIRO DOS SANTOS.pdf.jpgCAROLINA PINHEIRO DOS SANTOS.pdf.jpgGenerated Thumbnailimage/jpeg1456https://rima.ufrrj.br/jspui/bitstream/20.500.14407/22015/4/CAROLINA%20PINHEIRO%20DOS%20SANTOS.pdf.jpg6fd1d2aebd7881afe086c9f2151be3e5MD5420.500.14407/220152025-05-30 02:05:38.335oai:rima.ufrrj.br:20.500.14407/22015Tk9URTogUExBQ0UgWU9VUiBPV04gTElDRU5TRSBIRVJFClRoaXMgc2FtcGxlIGxpY2Vuc2UgaXMgcHJvdmlkZWQgZm9yIGluZm9ybWF0aW9uYWwgcHVycG9zZXMgb25seS4KCk5PTi1FWENMVVNJVkUgRElTVFJJQlVUSU9OIExJQ0VOU0UKCkJ5IHNpZ25pbmcgYW5kIHN1Ym1pdHRpbmcgdGhpcyBsaWNlbnNlLCB5b3UgKHRoZSBhdXRob3Iocykgb3IgY29weXJpZ2h0Cm93bmVyKSBncmFudHMgdG8gRFNwYWNlIFVuaXZlcnNpdHkgKERTVSkgdGhlIG5vbi1leGNsdXNpdmUgcmlnaHQgdG8gcmVwcm9kdWNlLAp0cmFuc2xhdGUgKGFzIGRlZmluZWQgYmVsb3cpLCBhbmQvb3IgZGlzdHJpYnV0ZSB5b3VyIHN1Ym1pc3Npb24gKGluY2x1ZGluZwp0aGUgYWJzdHJhY3QpIHdvcmxkd2lkZSBpbiBwcmludCBhbmQgZWxlY3Ryb25pYyBmb3JtYXQgYW5kIGluIGFueSBtZWRpdW0sCmluY2x1ZGluZyBidXQgbm90IGxpbWl0ZWQgdG8gYXVkaW8gb3IgdmlkZW8uCgpZb3UgYWdyZWUgdGhhdCBEU1UgbWF5LCB3aXRob3V0IGNoYW5naW5nIHRoZSBjb250ZW50LCB0cmFuc2xhdGUgdGhlCnN1Ym1pc3Npb24gdG8gYW55IG1lZGl1bSBvciBmb3JtYXQgZm9yIHRoZSBwdXJwb3NlIG9mIHByZXNlcnZhdGlvbi4KCllvdSBhbHNvIGFncmVlIHRoYXQgRFNVIG1heSBrZWVwIG1vcmUgdGhhbiBvbmUgY29weSBvZiB0aGlzIHN1Ym1pc3Npb24gZm9yCnB1cnBvc2VzIG9mIHNlY3VyaXR5LCBiYWNrLXVwIGFuZCBwcmVzZXJ2YXRpb24uCgpZb3UgcmVwcmVzZW50IHRoYXQgdGhlIHN1Ym1pc3Npb24gaXMgeW91ciBvcmlnaW5hbCB3b3JrLCBhbmQgdGhhdCB5b3UgaGF2ZQp0aGUgcmlnaHQgdG8gZ3JhbnQgdGhlIHJpZ2h0cyBjb250YWluZWQgaW4gdGhpcyBsaWNlbnNlLiBZb3UgYWxzbyByZXByZXNlbnQKdGhhdCB5b3VyIHN1Ym1pc3Npb24gZG9lcyBub3QsIHRvIHRoZSBiZXN0IG9mIHlvdXIga25vd2xlZGdlLCBpbmZyaW5nZSB1cG9uCmFueW9uZSdzIGNvcHlyaWdodC4KCklmIHRoZSBzdWJtaXNzaW9uIGNvbnRhaW5zIG1hdGVyaWFsIGZvciB3aGljaCB5b3UgZG8gbm90IGhvbGQgY29weXJpZ2h0LAp5b3UgcmVwcmVzZW50IHRoYXQgeW91IGhhdmUgb2J0YWluZWQgdGhlIHVucmVzdHJpY3RlZCBwZXJtaXNzaW9uIG9mIHRoZQpjb3B5cmlnaHQgb3duZXIgdG8gZ3JhbnQgRFNVIHRoZSByaWdodHMgcmVxdWlyZWQgYnkgdGhpcyBsaWNlbnNlLCBhbmQgdGhhdApzdWNoIHRoaXJkLXBhcnR5IG93bmVkIG1hdGVyaWFsIGlzIGNsZWFybHkgaWRlbnRpZmllZCBhbmQgYWNrbm93bGVkZ2VkCndpdGhpbiB0aGUgdGV4dCBvciBjb250ZW50IG9mIHRoZSBzdWJtaXNzaW9uLgoKSUYgVEhFIFNVQk1JU1NJT04gSVMgQkFTRUQgVVBPTiBXT1JLIFRIQVQgSEFTIEJFRU4gU1BPTlNPUkVEIE9SIFNVUFBPUlRFRApCWSBBTiBBR0VOQ1kgT1IgT1JHQU5JWkFUSU9OIE9USEVSIFRIQU4gRFNVLCBZT1UgUkVQUkVTRU5UIFRIQVQgWU9VIEhBVkUKRlVMRklMTEVEIEFOWSBSSUdIVCBPRiBSRVZJRVcgT1IgT1RIRVIgT0JMSUdBVElPTlMgUkVRVUlSRUQgQlkgU1VDSApDT05UUkFDVCBPUiBBR1JFRU1FTlQuCgpEU1Ugd2lsbCBjbGVhcmx5IGlkZW50aWZ5IHlvdXIgbmFtZShzKSBhcyB0aGUgYXV0aG9yKHMpIG9yIG93bmVyKHMpIG9mIHRoZQpzdWJtaXNzaW9uLCBhbmQgd2lsbCBub3QgbWFrZSBhbnkgYWx0ZXJhdGlvbiwgb3RoZXIgdGhhbiBhcyBhbGxvd2VkIGJ5IHRoaXMKbGljZW5zZSwgdG8geW91ciBzdWJtaXNzaW9uLgo=Biblioteca Digital de Teses e Dissertaçõeshttps://tede.ufrrj.br/PUBhttps://tede.ufrrj.br/oai/requestbibliot@ufrrj.bropendoar:2025-05-30T05:05:38Repositório Institucional da UFRRJ - Universidade Federal Rural do Rio de Janeiro (UFRRJ)false |
| dc.title.pt_BR.fl_str_mv |
Gestão escolar baseada em dados: análise da frequência estudantil e modelos de otimização |
| dc.title.alternative.en.fl_str_mv |
Data-driven school management: analysis of student at- tendance and optimization models |
| title |
Gestão escolar baseada em dados: análise da frequência estudantil e modelos de otimização |
| spellingShingle |
Gestão escolar baseada em dados: análise da frequência estudantil e modelos de otimização Santos, Carolina Pinheiro dos Ciência da Computação Gestão Escolar Frequência Estudantil ANOVA Modelo de Alocação de Salas de Aula Modelo Quadrático Modelo Quadrático Modelo Quadrático ANOVA, Classroom Assignment Model Quadratic Programming |
| title_short |
Gestão escolar baseada em dados: análise da frequência estudantil e modelos de otimização |
| title_full |
Gestão escolar baseada em dados: análise da frequência estudantil e modelos de otimização |
| title_fullStr |
Gestão escolar baseada em dados: análise da frequência estudantil e modelos de otimização |
| title_full_unstemmed |
Gestão escolar baseada em dados: análise da frequência estudantil e modelos de otimização |
| title_sort |
Gestão escolar baseada em dados: análise da frequência estudantil e modelos de otimização |
| author |
Santos, Carolina Pinheiro dos |
| author_facet |
Santos, Carolina Pinheiro dos |
| author_role |
author |
| dc.contributor.author.fl_str_mv |
Santos, Carolina Pinheiro dos |
| dc.contributor.advisor1.fl_str_mv |
Gregório, Ronaldo Malheiros |
| dc.contributor.advisor1ID.fl_str_mv |
https://orcid.org/0000-0003-2229-0523 |
| dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/4502104424266743 |
| dc.contributor.advisor-co1.fl_str_mv |
Silva, Felipe Leite Coelho da |
| dc.contributor.advisor-co1ID.fl_str_mv |
https://orcid.org/0000-0002-7090-5716 |
| dc.contributor.advisor-co1Lattes.fl_str_mv |
http://lattes.cnpq.br/9601624302826678 |
| dc.contributor.advisor-co2.fl_str_mv |
Cruz, Marcelo Dib |
| dc.contributor.advisor-co2ID.fl_str_mv |
https://orcid.org/0000-0002-0380-144X |
| dc.contributor.advisor-co2Lattes.fl_str_mv |
http://lattes.cnpq.br/7385995443437070 |
| dc.contributor.referee1.fl_str_mv |
Gregório, Ronaldo Malheiros |
| dc.contributor.referee1ID.fl_str_mv |
https://orcid.org/0000-0003-2229-0523 |
| dc.contributor.referee1Lattes.fl_str_mv |
http://lattes.cnpq.br/4502104424266743 |
| dc.contributor.referee2.fl_str_mv |
Silva, Felipe Leite Coelho da |
| dc.contributor.referee2ID.fl_str_mv |
https://orcid.org/0000-0002-7090-5716 |
| dc.contributor.referee2Lattes.fl_str_mv |
http://lattes.cnpq.br/9601624302826678 |
| dc.contributor.referee3.fl_str_mv |
Cruz, Marcelo Dib |
| dc.contributor.referee3ID.fl_str_mv |
https://orcid.org/0000-0002-0380-144X |
| dc.contributor.referee3Lattes.fl_str_mv |
http://lattes.cnpq.br/7385995443437070 |
| dc.contributor.referee4.fl_str_mv |
Souza Filho, Erito Marques de |
| dc.contributor.referee4Lattes.fl_str_mv |
http://lattes.cnpq.br/0606341154404244 |
| dc.contributor.referee5.fl_str_mv |
Simonetti, Luidi Gelabert |
| dc.contributor.referee5ID.fl_str_mv |
https://orcid.org/0000-0001-8273-9439 |
| dc.contributor.referee5Lattes.fl_str_mv |
http://lattes.cnpq.br/9521646119786469 |
| dc.contributor.authorLattes.fl_str_mv |
http://lattes.cnpq.br/9510832541839192 |
| contributor_str_mv |
Gregório, Ronaldo Malheiros Silva, Felipe Leite Coelho da Cruz, Marcelo Dib Gregório, Ronaldo Malheiros Silva, Felipe Leite Coelho da Cruz, Marcelo Dib Souza Filho, Erito Marques de Simonetti, Luidi Gelabert |
| dc.subject.cnpq.fl_str_mv |
Ciência da Computação |
| topic |
Ciência da Computação Gestão Escolar Frequência Estudantil ANOVA Modelo de Alocação de Salas de Aula Modelo Quadrático Modelo Quadrático Modelo Quadrático ANOVA, Classroom Assignment Model Quadratic Programming |
| dc.subject.por.fl_str_mv |
Gestão Escolar Frequência Estudantil ANOVA Modelo de Alocação de Salas de Aula Modelo Quadrático Modelo Quadrático Modelo Quadrático ANOVA, Classroom Assignment Model Quadratic Programming |
| description |
A frequência estudantil na Educação Básica é um fator crucial para o sucesso escolar, mas os parâmetros que influenciam a decisão dos alunos de frequentar ou não a escola em determina- dos dias da semana ainda são pouco explorados na literatura. Este trabalho propõe um estudo sobre a influência dos dias da semana e dos quadros de horários de disciplinas sobre a frequên- cia escolar, com o objetivo de otimizar a gestão de recursos materiais, humanos e financeiros. A análise de dados foi realizada a partir de um estudo de caso no Colégio Estadual Engenheiro Arêa Leão, em Nova Iguaçu, Rio de Janeiro, utilizando análise exploratória e análise de variân- cia de 1-fator sobre os dados de frequência de 2022. Os resultados indicaram que a frequência média é maior nas terças-feiras, especialmente em disciplinas como Português e Matemática, e menor nas sextas-feiras, associada a disciplinas de natureza humana. A ponderação dos pe- sos disciplinares levou à adaptação de um modelo de múltiplas mochilas para a construção do quadro de horários de disciplinas por turmas, enquanto os dados de frequência inspiraram a cri- ação de um modelo de minimização quadrático, baseado na variância dos dados, para gerar uma frequência esperada. Esses modelos podem contribuir para uma gestão escolar mais eficiente, auxiliando na alocação de recursos e no planejamento das atividades escolares. |
| publishDate |
2025 |
| dc.date.accessioned.fl_str_mv |
2025-05-29T14:46:38Z |
| dc.date.available.fl_str_mv |
2025-05-29T14:46:38Z |
| dc.date.issued.fl_str_mv |
2025-02-27 |
| dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
| format |
masterThesis |
| status_str |
publishedVersion |
| dc.identifier.citation.fl_str_mv |
SANTOS, Carolina Pinheiro dos. Gestão escolar baseada em dados: análise da frequência estudantil e modelos de otimização. 2025. 69 f. Dissertação (Mestrado em Modelagem Matemática e Computacional) - Instituto de Ciências Exatas, Universidade Federal Rural do Rio de Janeiro, Seropédica, 2025. |
| dc.identifier.uri.fl_str_mv |
https://rima.ufrrj.br/jspui/handle/20.500.14407/22015 |
| identifier_str_mv |
SANTOS, Carolina Pinheiro dos. Gestão escolar baseada em dados: análise da frequência estudantil e modelos de otimização. 2025. 69 f. Dissertação (Mestrado em Modelagem Matemática e Computacional) - Instituto de Ciências Exatas, Universidade Federal Rural do Rio de Janeiro, Seropédica, 2025. |
| url |
https://rima.ufrrj.br/jspui/handle/20.500.14407/22015 |
| dc.language.iso.fl_str_mv |
por |
| language |
por |
| dc.relation.references.pt_BR.fl_str_mv |
1 ARENALES, M. et al. Pesquisa Operacional. 1 ed. Rio de Janeiro: Elsevier, 2011. 524 p. 2 ANSARI, A.; PIANTA, R. C. School absenteeism in the first decade of education and out- comes in adolescence. Journal of School Psychology, v. 76, p. 48-61, 2019. Disponível em: <https://doi.org/10.1016/j.jsp.2019.07.010>. Acesso em 18 nov. 2024. 3 BANERJI, M.; MATHUR, K. Understanding school attendance: The missing link in “Scho- oling for All”. International Journal of Educational Development, v. 87, 2021. Disponível em: <https://doi.org/10.1016/j.ijedudev.2021.102481>. Acesso em 18 nov. 2024. 4 BAZARAA, M. S.; SHERALI, H. D.; SHETTY, C. M. Nonlinear programming: theory and algorithms. 3rd ed. USA: John Wiley & Sons, Inc, 2006. 880 p. 5 BRASIL, A. M. M. Modelos de otimização combinatória aplicados à gestão de demandas operacionais em centros universitários. Dissertação: Programa de Pós-graduação em Mode- lagem Matemática e Computacional, Universidade Federal Rural do Rio de Janeiro. Rio de Janeiro. 2023. 57 p. 6 BRASIL. Conselho Nacional de Educação. Nota de esclarecimento: retorno das atividades escolares e acadêmicas presenciais em 2022. Brasília, DF, 27 jan. 2022. Dis- ponível em: <http://portal.mec.gov.br/index.php?option=com_docman&view=download& alias=232651-nota-de-esclarecimento-covid-19-2022&category_slug=dezembro-2021-pdf& Itemid=30192>. Acesso em 23 jan. 2025. 7 BRASIL. Constituição (1988). Constituição da República Federativa do Brasil. Brasília, DF, 1988. 8 BRASIL. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Nota técnica: índice de desenvolvimento da educação básica-Ideb. Brasília, 2021. 9 BRASIL. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira (Inep). Resumo Técnico: Censo Escolar da Educação Básica 2021. Brasília, 2021. 10 BRASIL. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira (Inep). Saeb 2021: Indicador de Nível Socioeconômico do Saeb 2021: nota técnica. Brasília, DF: Inep, 2023. 11 BRASIL. Lei no 13.415, de 16 de fevereiro de 2017. Altera as Leis no 9.394, de 20 de dezembro de 1996, que estabelece as diretrizes e bases da educação nacional, e no 11.494, de 20 de junho de 2007, que regulamenta o Fundo de Manutenção e Desenvolvimento da Educação Básica e de Valorização dos Profissionais da Educação (FUNDEB), e dá outras providências. Diário Oficial da União: seção 1, Brasília, DF, 17 fev. 2017. Disponível em: <https://www. planalto.gov.br/ccivil_03/_ato2015-2018/2017/lei/l13415.htm>. Acesso em 23 jan. 2025. 12 BRASIL. Lei no 10.836, de 9 de janeiro de 2004. Cria o Programa Bolsa Família, altera a Lei no 10.689, de 13 de junho de 2003, e dá outras providências. Diário Oficial da União: seção 1, Brasília, DF, 12 jan. 2004. Disponível em: <https://www2.camara.leg.br/legin/fed/lei/2004/ lei-10836-9-janeiro-2004-490604-publicacaooriginal-1-pl.html>. Acesso em 12 mar. 2025. 13 BRASIL. Lei no 14.601, de 19 de junho de 2023. Altera a Lei no 10.836, de 9 de janeiro de 2004, que institui o Programa Bolsa Família, para dispor sobre condicionalidades na área de educação e medidas de acompanhamento das famílias beneficiárias. Diário Oficial da União: seção 1, Brasília, DF, 20 jun. 2023. Disponível em: <http://www.planalto.gov.br/ccivil_03/ _Ato2023-2026/2023/Lei/L14601.htm>. Acesso em 23 jan. 2025. 14 BRASIL. Lei no 11.947, de 16 de junho de 2009. Dispõe sobre o atendimento da alimen- tação escolar e do Programa Dinheiro Direto na Escola aos alunos da educação básica. Diário Oficial da União: seção 1, Brasília, DF, 17 jun. 2009. Disponível em: <https://www.planalto. gov.br/ccivil_03/_ato2007-2010/2009/lei/l11947.htm>. Acesso em 25 jan. 2025. 15 BRASIL. Lei no 13.005, de 25 de junho de 2014. Aprova o Plano Nacional de Educação – PNE e dá outras providências. Diário Oficial da União: seção 1, p. 1, 26 jun. 2014. Disponível em: <https://www.planalto.gov.br/ccivil_03/_ato2011-2014/2014/lei/l13005.htm>. Acesso em 25 jan. 2025. 16 BRASIL. Lei no 10.219, de 11 de abril de 2001. Cria o Programa Nacional de Renda Mí- nima vinculada à Educação – "Bolsa Escola", e dá outras providências. Diário Oficial da União: seção 1, Brasília, DF, 12 abr. 2001. Disponível em: <https://www.planalto.gov.br/ccivil_03/leis/ leis_2001/l10219.htm>. Acesso em 25 jan. 2025. 17 BRASIL. Programa Nacional de Alimentação Escolar (PNAE). Disponível em: <https:// www.gov.br/fnde/pt-br/acesso-a-informacao/acoes-e-programas/programas/pnae>. Acesso em 15 jan. 2025. 18 Breusch, T.S.; Pagan, A.R. A Simple Test for Heteroscedasticity and Random Coefficient Variation. Econometrica, v. 47, n. 05, p. 1287-1294, 1979. Disponível em: <https://doi.org/10. 2307/1911963>. Acesso em 18 nov. 2024. 19 BUSSAB, W. O.; MORETTIN, P. A. Estatística Básica. 7 ed. São Paulo: Saraiva, 2011. 540 p. 20 BYRD, R. H.; et al. A Limited Memory Algorithm for Bound Constrained Optimization. SIAM Journal on Scientific Computing, v. 16, n. 5, p. 1190-1208, 1995. Disponível em: <https: //doi.org/10.1137/0916069>. Acesso em 25 jan. 2025. 21 CACCIAMALI, M.C.; TATEI, F.; BATISTA, N.F. Impactos do programa bolsa fa- mília federal sobre o trabalho infantil e a frequência escolar. Revista de Economia Con- temporânea, v. 14, n. 2, p. 269-301, 2010. Disponível em: <https://doi.org/10.1590/ S1415-98482010000200003>. Acesso em 22 nov. 2024. 22 CAVALCANTI, D.M.; COSTA, E.M.; SILVA, J.L.M. Programa bolsa família e o Nor- deste: impactos na renda e na educação, nos anos de 2004 e 2006. Revista de Econo- mia Contemporânea, v. 17, n. 1, p. 99-128, 2013. Disponível em: <https://doi.org/10.1590/ S1415-98482013000100004>. Acesso em 22 nov. 2024. 23 CICUTO, C. A. T.; TORRES, B. B. Influência da frequência e participação no desempenho em um ambiente de aprendizagem centrado no aluno. Química Nova, v. 43, n. 2, p. 239-248, 2020. Disponível em: <http://dx.doi.org/10.21577/0100-4042.20170464>. Acesso em 18 nov. 2024. 24 GALHARDO, E. et al. Desempenho acadêmico e frequência dos estudantes ingressantes pelo Programa de Inclusão da UNESP. Avaliação: Revista da Avaliação da Educação Superior (Campinas), Sorocaba, v. 25, n. 03, p. 701-723, 2020. Disponível em: <http://dx.doi.org/10. 1590/S1414-40772020000300010>. Acesso em 18 nov. 2024. 57 25 GARCIA, R. A.; RIOS-NETO, E. L. G.; MIRANDA-RIBEIRO, A. Efeitos rendimento escolar, infraestrutura e prática docente na qualidade do ensino médio no Brasil. Revista brasi- leira de Estudos de População, v. 38, p. 1-32, 2021. Disponível em: <https://doi.org/10.20947/ S0102-3098a0152>. Acesso em 18 nov. 2024. 26 GNU PROJECT. GNU Linear Programming Kit (GLPK), version 5.0. Disponível em: <https://www.gnu.org/software/glpk/>. Acesso em 5 fev. 2025. 27 GOLDBARG, M. C.; LUNA, H. P. L. Otimização combinatória e programação linear: modelos e algoritmos. 2 ed. Rio de Janeiro: Elsevier, 2005. 519 p. 28 HARRIS, C. R. et al. Array programming with NumPy. Nature, v. 585, n. 7825, p. 357–362, 2020. Disponível em: https://doi.org/10.1038/s41586-020-2649-2. Acesso em 5 fev. 2025. 29 HILLIER, F. S.; LIEBERMAN, G. J. Introdução à pesquisa operacional. 9 ed. Porto Ale- gre: AMGH, 2013. 1005 p. 30 HUNTER, J. D. Matplotlib: A 2D graphics environment. Computing in Science & En- gineering, v. 9(3), p. 90-95, 2007. Disponível em: <https://doi.org/10.1109/MCSE.2007.55>. Acesso em 30 dez. 2024. 31 IZMAILOV, A.; SOLODOV, M. Otimização. 4 ed, v 1. Rio de Janeiro: IMPA, 2020. 256 p. 32 IZMAILOV, A.; SOLODOV, M. Otimização - volume 2. Métodos Computacionais. 3 ed. Rio de Janeiro: IMPA, 2018. 494 p. 33 LAVINAS, L.; BARBOSA, M.L.O. Combater a pobreza estimulando a freqüência escolar: o estudo de caso do Programa Bolsa-Escola do Recife. Dados, v. 43, n. 3, 2001. Disponível em: <https://doi.org/10.1590/S0011-52582000000300002>. Acesso em 18 nov. 2024. 34 LLOYD, S. Least squares quantization in PCM. IEEE Transactions on Information Theory, v. 28, n. 2, p. 129-137, 1982. Disponível em: https://hal.science/hal-04614938v1. Acesso em 22 nov. 2024. 35 LUENBERGER, D. G.; YE, Y. Linear and Nonlinear Programming. 4th ed. Springer, 2016. 555 p. 36 MCKINNEY, W. pandas: A fast, powerful, flexible, and easy-to-use open source data analysis and manipulation library. 2010. Disponível em: <https://pandas.pydata.org>. Acesso em 30 dez. 2024. 37 MACAMBIRA, A. F. U.; et al. Tópicos em Otimização Inteira. 1 ed. Rio de Janeiro: UFRJ, 2022. 258 p. 38 MARTÍNEZ, J. M.; SANTOS, S. A. Métodos Computacionais de Otimização. Versão re- visada. São Paulo: IMECC, UNICAMP, 2020. 228 p. 39 MELO, R.M.S.; DUARTE, G.B. Impacto do Programa Bolsa Família sobre a Frequên- cia Escolar: o caso da agricultura familiar no Nordeste do Brasil. Revista de Economia e Sociologia Rural, v. 48, n. 3, p. 635-656, 2010. Disponível em: <https://doi.org/10.1590/ S0103-20032010000300007>. Acesso em 22 nov. 2024. 40 MÍGUEZ, D. P. Factores asociados al desempeño entre estudiantes de bajo estatus socio- cultural en Brasil, Chile y Argentina. Revista Brasileira de Educação, v. 28, 2023. Disponível em: <https://doi.org/10.1590/S1413-24782023280020>. Acesso em 18 nov. 2024. 41 MONTGOMERY, D. C. Design and Analysis of Experiments. 8th ed. USA: John Wiley & Sons, Inc, 2013. 724 p. 42 PIRES, A. Afinal, para que servem as condicionalidades em educação do Programa Bolsa Família? Ensaio: Avaliação e Políticas Públicas em Educação, v. 21, n. 80, p. 513-532, 2013. Disponível em: <https://doi.org/10.1590/S0104-40362013000300007>. Acesso em 22 nov. 2024. 58 43 PONTILI, R. M.; KASSOUF, A. L. Fatores que afetam a frequência e o atraso es- colar nos meios urbano e rural, de São Paulo e Pernambuco. Revista de Economia e Sociologia Rural, v. 45, n. 1, p. 27-47, 2007. Disponível em: <https://doi.org/10.1590/ S0103-20032007000100002>. Acesso em 22 nov. 2024. 44 PYTHON SOFTWARE FOUNDATION. Python Programming Language. Disponível em: <https://www.python.org/>. Acesso em 30 dez. 2024. 45 RIO DE JANEIRO. Secretaria de Estado de Educação. Alimentação escolar. Disponível em: <https://www.seeduc.rj.gov.br/cidad%C3%A3o/alimenta%C3%A7%C3%A3o-escolar>. Acesso em: 18 nov. 2024. 46 RIVERBANK COMPUTING. (2016). PyQt5: Python bindings for Qt5. 2016. Disponível em: <https://www.riverbankcomputing.com/software/pyqt/intro>. Acesso em 30 dez. 2024. 47 ROUSSAS, G. An Introduction to Probability and Statistical Inference. USA: Elsevier Sci- ence, 2003. 523 p. 48 SÁTYRO, N. G. D.; D’ALBUQUERQUE, R. W. O que é um Estudo de Caso e quais as suas potencialidades? Sociedade e Cultura, Goiânia, v. 23, 2020. DOI: 10.5216/sec.v23i.55631. Disponível em: <https://revistas.ufg.br/fcs/article/view/55631>. Acesso em: 18 nov. 2024. 49 SILVA, B. S. Principais motivos de saída antecipada dos alunos durante o período de aula. Educação e Pesquisa, v. 49, 2023. Disponível em: <https://doi.org/10.1590/ S1678-4634202349249413por>. Acesso em 22 nov. 2024. 50 SILVA JUNIOR, W. S.; GONÇALVES, F. O. Evidências da relação entre a frequência no ensino infantil e o desempenho dos alunos do ensino fundamental público no Brasil. Revista brasileira de Estudos de População, Rio de Janeiro, v. 33, n. 2, p. 283-301, 2016. Disponível em: <https://doi.org/10.20947/S0102-30982016a0015>. Acesso em 18 nov. 2024. 51 SANTOS, R. V. Otimização do quadro de horário de disciplinas em uma escola da rede estadual de ensino do estado do Rio de Janeiro: uma proposta baseada em análise estatística da frequência estudantil. Monografia: Licenciatura em Matemática, Instituto Multidisciplinar, Universidade Federal Rural do Rio de Janeiro. Rio de Janeiro. 2024. 54 p. 52 SEABOLD, S.; PERKTOLD, J. Statsmodels: Econometric and statistical modeling with Python. In 9th Python in Science Conference, p. 92-96, 2010. Disponível em: <https://www. statsmodels.org>. Acesso em 30 dez. 2024. 53 SENADO FEDERAL. As 20 metas do PNE e a avaliação do Inep. Brasília, DF, 17 fev. 2023. Disponível em: <https://www12.senado.leg.br/noticias/materias/2023/02/17/ as-20-metas-do-pne-e-a-avaliacao-do-inep>. Acesso em 18 nov. 2024. 54 SOARES, J. F.; ALVES, M. T. G.; FONSECA, J. A. Trajetórias educacionais como evi- dência da qualidade da educação básica brasileira. Revista brasileira de Estudos de População, v. 38, p. 1-21, 2021. Disponível em: <http://dx.doi.org/10.20947/S0102-3098a0167>. Acesso em: 18 nov. 2024. 55 VIRTANEN, P.; et al. SciPy 1.0: Fundamental algorithms for scientific computing in Python. Nature Methods, v. 17(3), p. 261–272, 2020. Disponível em: <https://doi.org/10.1038/ s41592-019-0686-2>. Acesso em 30 dez. 2024. 56 WALBERG, H. J. Synthesis of research on time and learning. Educational Leadership, v. 45, p. 76-85, 1988. Disponível em: <https://www.researchgate.net/publication/234750966_ Synthesis_of_Research_on_Time_and_Learning>. Acesso em 18 nov. 2024. 57 ZHU, C.; et al. Algorithm 778: L-BFGS-B: Fortran Subroutines for Large-Scale Bound Constrained Optimization. ACM Transactions on Mathematical Software, v. 23, n. 4, p. 550- 560, 1997. Disponível em: <https://dl.acm.org/doi/pdf/10.1145/279232.279236>. Acesso em 25 jan. 2025. |
| dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
| eu_rights_str_mv |
openAccess |
| dc.publisher.none.fl_str_mv |
Universidade Federal Rural do Rio de Janeiro |
| dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação em Modelagem Matemática e Computacional |
| dc.publisher.initials.fl_str_mv |
UFRRJ |
| dc.publisher.country.fl_str_mv |
Brasil |
| dc.publisher.department.fl_str_mv |
Instituto de Ciências Exatas |
| publisher.none.fl_str_mv |
Universidade Federal Rural do Rio de Janeiro |
| dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFRRJ instname:Universidade Federal Rural do Rio de Janeiro (UFRRJ) instacron:UFRRJ |
| instname_str |
Universidade Federal Rural do Rio de Janeiro (UFRRJ) |
| instacron_str |
UFRRJ |
| institution |
UFRRJ |
| reponame_str |
Repositório Institucional da UFRRJ |
| collection |
Repositório Institucional da UFRRJ |
| bitstream.url.fl_str_mv |
https://rima.ufrrj.br/jspui/bitstream/20.500.14407/22015/1/CAROLINA%20PINHEIRO%20DOS%20SANTOS.pdf https://rima.ufrrj.br/jspui/bitstream/20.500.14407/22015/2/license.txt https://rima.ufrrj.br/jspui/bitstream/20.500.14407/22015/3/CAROLINA%20PINHEIRO%20DOS%20SANTOS.pdf.txt https://rima.ufrrj.br/jspui/bitstream/20.500.14407/22015/4/CAROLINA%20PINHEIRO%20DOS%20SANTOS.pdf.jpg |
| bitstream.checksum.fl_str_mv |
e6a4dfac94c758fc439ea6c12578eb15 8a4605be74aa9ea9d79846c1fba20a33 8cf680222e48c0bdfdbd7ee499f7b803 6fd1d2aebd7881afe086c9f2151be3e5 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositório Institucional da UFRRJ - Universidade Federal Rural do Rio de Janeiro (UFRRJ) |
| repository.mail.fl_str_mv |
bibliot@ufrrj.br |
| _version_ |
1849138613214773248 |