ÁRVORE DE DECISÃO: DETECTANDO VULNERABILIDADE EDUCACIONAL NA POPULAÇÃO INFANTO-JUVENIL DO RIO GRANDE DO SUL COM MACHINE LEARNING.

Não cabe mais, num cenário como o atual, pensar que pobreza se resume à escassez de renda. Seis são os direitos vitais defendidos pelo Fundo das Nações Unidas para a Infância (UNICEF): educação, informação, proteção contra o trabalho infantil, moradia, água e saneamento. Entende-se que a ausência de um ou mais destes direitos imprime à meninas e meninos uma situação de privação múltipla.
Explorando o conceito de pobreza de Amartya Sen e alinhada ao UNICEF, este experimento busca aplicar um algoritmo de aprendizagem supervisionada para classificar a criança ou adolescente como suscetível ou não de privação educacional.
Destarte, manusear dados da educação exige largo conhecimento técnico, institucional e arquitetural. Manusear informação da educação demanda amadurecimento profundo no tratamento deste manejo.
É imbuída nesta mentalidade que brota o propósito deste trabalho, produzir insumos de conhecimento que alimentem projetos mais complexos de detecção de vulnerabilidades - vitais para instrumentalizar políticas públicas efetivas.
Comungar a classificação desta delicada variável alvo ao volume brutal e complexo dos dados de educação exige uma metodologia clara e auditável. Posto isto, optar pelo algoritmo de árvore de decisão foi difícil, dado que a mecânica deste modelo é procurar padrões recorrentes não dando muita importância para classes minoritárias. Porém auditar a atividade do algoritmo é algo indiscutível, pesando na escolha do modelo.
O experimento se inicia com uma modesta extração de microdados do Instituto Brasileiro de Geografia e Estatística (IBGE) concentrada no estado do Rio Grande do Sul. Bases da Pesquisa Nacional por Amostra de Domicílios (PNAD) e PNAD Contínua instrumentalizam o estudo fornecendo a amostra de interesse: crianças e adolescentes entre cinco e dezessete anos. Delas se desdobra o conjunto de dados que treina e testa o algoritmo que qualificará a criança e o adolescente dentro dos rótulos: “Sem Privação” ou “Com Privação”, considerando habilidades de leitura, escrita e frequência escolar.
O modelo demonstrou expressiva aderência aos dados de treinamento, com alta precisão e baixa generalização (overfitting). Este comportamento compromete a predição de dados não vistos. Claramente é preciso generalizá-lo, ao passo que exigirá desenvolver mecanismos de controle sobre os Falsos Negativos. Dado que o rótulo “Com Privação” foi considerado a classe positiva, ele trata de crianças ou adolescentes que o modelo previu erradamente como “Sem Privação”. A estratégia de torná-lo mais genérico é um desdobramento desta investigação inicial. Treiná-lo com um volume maior de dados - fomentando a captura de padrões ocultos - e aumentar a profundidade da árvore de decisão viabilizará a aprendizagem de nuances.
A intenção de colocar luz ao fato de que políticas públicas instrumentalizadas por Ciência de Dados podem se tornar mais efetivas e positivas no combate a demandas humanitárias é facilmente constatada, entretanto a mecânica de decisões que perpassam esta atividade devem ser largamente testadas, aprimoradas e monitoradas. O experimento obteve sucesso ao passo que seu objetivo era angariar insumos de conhecimento na detecção da privação educacional, mas visivelmente o volume de dados precisa ser ampliado e o algoritmo ser calibrado(podado) ou substituído por similares, igualmente derivados de árvore de decisão.