Modelos de Aprendizagem Automática Explicados por SHAP Preveem o Risco de Abandono Infantil a partir do Inquérito Nacional aos Agregados Familiares do Malawi

O abandono escolar no Malawi, como em muitos países de baixo rendimento, resulta de uma acumulação de fatores ao nível do agregado familiar e da escola difíceis de desagregar sem dados granulares — e os sistemas de recolha e gestão de dados nesses contextos são frequentemente limitados em termos financeiros e técnicos.
Os investigadores Hazal Colak Oz, Çiçek Güven e Gonzalo Nápoles (Universidade de Tilburg) utilizaram o Inquérito Painel Integrado aos Agregados Familiares (IHPS), representativo a nível nacional, do Malawi para construir e comparar quatro abordagens de aprendizagem automática — floresta aleatória, LASSO, regressão ridge e uma rede neuronal multicamada — para prever quais crianças estavam em risco de abandonar a escola. A aplicação de ponderações amostrais para corrigir o desenho do inquérito melhorou substancialmente o recall: o LASSO alcançou 80,6% de recall e a rede neuronal 78,8%, cerca de 11 a 12 pontos percentuais acima das versões sem ponderação. Os autores utilizaram SHAP (SHapley Additive exPlanations) para interpretar a importância das variáveis, constatando que o envolvimento da criança em trabalho agrícola familiar e o nível de escolaridade do pai estavam entre os preditores mais fortes do risco de abandono.
O trabalho é um estudo metodológico de ciência de dados, e não uma intervenção implementada: não foi testado como ferramenta operacional de alerta precoce dentro das escolas malawianas ou do Ministério da Educação, e o enquadramento dos próprios autores centra-se em melhorar a ciência da focalização, não em provar um impacto de política. Utilizar marcadores socioeconómicos do agregado familiar, como o trabalho infantil, para sinalizar risco também comporta um risco real de estigmatizar as mesmas famílias pobres que se pretende ajudar, caso tais indicadores venham a ser usados de forma punitiva em vez de desencadear intervenções de apoio.