Modelo de Aprendizagem Automática do Uruguai para Alerta Precoce do Risco de Repetição no Ensino Primário (Painel-EIT / ANEP)

A avaliação de impacto precoce do Uruguai (Painel-EIT) acompanhou 15.529 crianças desde a educação inicial em 2016 até ao 1.º-3.º ano do ensino primário (2017-2019). Investigadores da Universidad de la República, trabalhando com dados da ANEP-CODICEN, construíram modelos de aprendizagem automática supervisionada (regressão logística, redes bayesianas, árvores de classificação) para prever quais os alunos que repetiriam de ano, com o objetivo de fundamentar políticas de alerta precoce e intervenção.

Os melhores modelos atingiram 80% de exatidão e uma AUC de 0,81, com sensibilidade de 62-64% e especificidade de 83%; 16,2% da coorte repetiu pelo menos um ano. Retirar a pontuação da avaliação da primeira infância do modelo fez a exatidão cair para 70-72% e a sensibilidade até 42%, confirmando-a como o preditor mais forte. Os dados de contexto da UNICEF mostram o que está em jogo: apenas 44% dos adolescentes uruguaios concluem o ensino secundário até aos 21-23 anos, e a conclusão no quintil mais pobre (14%) fica quase cinco vezes atrás da do quintil mais rico (79%).

Trata-se de investigação preditiva sólida, mas com fraca evidência de implementação: a própria página do piloto fAIrLAC do Banco Interamericano de Desenvolvimento sobre esta iniciativa deixa em branco o estado de implementação, e os autores revistos por pares alertam explicitamente que os modelos estabelecem associação estatística, não mecanismos causais, numa janela de observação estreita de três anos. Deve ser lido como um protótipo de investigação validado, e não como um sistema nacional de alerta precoce comprovadamente ativo.