Imputação múltipla em grandes dados identificáveis para pesquisa educacional: um exemplo do sistema brasileiro de avaliação educacional
AUTOR(ES)
Ferrão, Maria Eugénia; Prata, Paula; Alves, Maria Teresa Gonzaga
FONTE
Ensaio: aval.pol.públ.Educ.
DATA DE PUBLICAÇÃO
2020-09
RESUMO
Resumo Quase todos os estudos quantitativos em aferição, avaliação e pesquisa educacional são baseados em conjuntos de dados incompletos, que têm sido um problema há anos sem solução única. O uso de grandes dados identificáveis apresenta novos desafios para lidar com valores ausentes. Na primeira parte deste artigo, apresentamos o estado-da-arte do tópico na literatura científica educacional brasileira e como os pesquisadores têm tratado os dados omissos. Em seguida, usamos o software de acesso livre para analisar dados do mundo real, a Prova Brasil 2017, para várias unidades da federação, e documentamos como pressuposto de dados omissos completamente aleatórios pode afetar os resultados estatísticos, as interpretações e implicações subsequentes para políticas e práticas. Concluímos com sugestões diretas para qualquer pesquisador de educação sobre a aplicação de rotinas R para realizar o teste de hipóteses de dados omissos completamente aleatórios e, se a hipótese nula for rejeitada, como implementar a imputação múltipla, que parece ser um dos métodos mais apropriados para manipular dados ausentes.
Documentos Relacionados
- Comparação de métodos de imputação única e múltipla usando como exemplo um modelo de risco para mortalidade cirúrgica
- Avaliação educacional: um campo em movimento e disputa
- Transmissão intergeracional de desigualdade e qualidade educacional: avaliando o sistema educacional brasileiro a partir do SAEB 2003
- Modelo de Imputação Múltipla para Estimar Dados de Precipitação Diária e Preenchimento de Falhas
- Uso da imputação múltipla de dados faltantes: uma simulação utilizando dados epidemiológicos
