Interpretabilidade de modelos aplicados aos dados do Enem

O desenvolvimento de novas tecnologias nos últimos anos, tanto de hardware quanto de software, viabilizou a aplicação de técnicas mais sofisticadas de modelagem, como as de aprendizado de máquina. Focadas principalmente em aumentar o poder preditivo, essas técnicas muitas vezes se baseiam em abordagens não paramétricas e não lineares, que resultam em modelos mais precisos e menos interpretáveis. É diante desse cenário que a interpretabilidade de um modelo pode se tornar um fator tão importante quanto a precisão de suas predições [2]. Por esta razão, metodologias como Shap Values foram desenvolvidas para apresentar relações entre as variáveis preditivas e a variável resposta, que muitas vezes não são tão evidentes. Assim, o objetivo deste trabalho é elencar quais são as informações mais relevantes para um modelo aplicado aos dados socio econômicos do Exame Nacional do Ensino Médio (Enem), bem como identificar como elas impactam o seu funcionamento através dos Shap Values.